Dissertationen

 Constructing Efficient Experimental Designs for Conjoint Analysis

Den Schwerpunkt der aus drei Schriften bestehenden kumulativen Dissertation bilden die Entwicklung und die Bewertung von Designkonstruktionsverfahren für die
Choice-Based-Conjointanalyse (CBC) auf Grundlage des parametrischen und des semi-parametrischen heterogenen multinomialen Logitmodells. Schrift #1 baut auf
Beiträgen für das parametrische heterogene Logitmodell von Sandor und Wedel (2002) sowie Yu et al. (2009) auf. Bei geringer Segmentheterogenität und
unterschiedlichen Segmentgrößen übertrifft die Konstruktion von zehn Designs nach dem D_B-Error und die Konstruktion von einem oder zehn Designs nach der Entropie alle anderen Verfahren. Bei hoher Heterogenität und gleichen Segmentgrößen dagegen schneiden alle untersuchten Verfahren (inklusive zweier einfacher Verfahren) gleich
gut ab.

In Schrift #2 geht es um die Bestimmung des Zwischenwerts neben einem minimalen und einem maximalen Preis, der bei der Konstruktion von Designs verwendet werden soll. Die zwei größten Zwischenwerte führen zu höherer Schätzungenauigkeit und sollten daher nicht verwendet werden. Bezüglich aller anderen Zwischenwerte zeigen sich keine signifikanten Unterschiede, d.h. auch der genau in der Mitte des Intervalls liegende Wert kann ohne Verlust an Genauigkeit verwendet werden. In Schrift #3 untersucht Herr Falke diverse heuristische Algorithmen zur Designkonstruktion auf Grundlage des semi-parametrischen heterogenen Logitmodells mit dem D_B-Error als Kriterium. Ein aus den Komponenten Relabel und Swap zusammengesetzter Algorithmus erweist sich am genauesten.

Insgesamt kann die Dissertation von Herrn Falke als sehr innovativ angesehen werden. Schrift #1 verwendet erstmals verschiedene Kriterien bei der Designkonstruktion und zieht die Schätzgenauigkeit als Maßstab heran. Schrift #2 dürfte die erste Studie dokumentieren, die sich mit der Festlegung der in einer CBC vorzugebenden Ausprägungen von Preisen befasst. Schrift # 3 vergleicht im Gegensatz zu früheren Arbeiten unterschiedliche Algorithmen der Designkonstruktion für die CBC.

Response Modeling and Optimization in Direct Marketing

In ihrer aus drei Schriften  bestehenden  kumulativen Dissertation befaßt sich Frau   Schröder mit der Messung und der  Optimierung von Direct Mailings. Ihre empirischen Untersuchungen basieren auf einem Datensatz, der  Mailings und Käufe individueller  Kunden über einen Zeitraum  von drei Jahren  umfaßt. Bei den betrachteten  Direct Mailings werden häufig mehrere Kataloge gleichzeitig an einzelne Kunden versandt.

Die Schrift #1   bietet einen 1995 beginnenden  umfassenden Überblick über einschlägige Publikationen, der eine Lücke sowoh der deutsch- als auch   der englischsprachigen Literatur  schließt.  Schrift #2  konzentriert  sich auf die Messung von Sättigungs-  und  Übersättigungseffekten bei der Versendung von Katalogen auf Grundlage von Tobit-2 Modellen. In Schrift  #3  berücksichtigt Frau Schröder die mögliche Endogenität von Mailingvariablen durch simultane Schätzung entsprechender  binärer  Probitmodelle.

In den Schriften #2 und #3  geht Frau Schröder über die vorliegenden einschlägigen  Veröffentlichungen hinaus, und zwar durch die Aufnahme zusätzlicher Mailingvariablen (wie Anzahl und Größe versendeter Kataloge), die nichtparametrische  Betrachtung der latenten Heterogenität und  das Zulassen latenter Heterogenität nicht nur für Modellkoeffizienten, sondern  auch für residuale (Ko-) Varianzen. In Schrift #3 werden  erstmalig in der Literatur zu Direct Mailings die Entscheidungsimplikationen  eines Tobit-2 Modells mit Hilfe der dynamischen Optimierung bestimmt. Deren Ergebnisse  zeigen, wie sich  Sättigungseffekte von Mailingvariablen  auf die optimale Mailingpolitik auswirken.

Multivariate Logit and Poisson Models for Market Basket Analysis

Im Mittelpunkt der aus drei Schriften bestehenden kumulativen Dissertation von Frau  Dippold steht die Weiterentwicklung statistischer Modelle der Warenkorbanalyse. Die Hauptaufgabe dieser Modelle bildet die Messung von Interaktionseffekten zwischen Warengruppen. Derartige Interaktionseffekte zeigen an, ob sich die Nachfrage nach einer Warengruppe positiv oder negativ auf die Nachfrage nach anderen Warengruppen auswirkt. Als Reaktionsvariablen betrachtet Frau Dippold  Kauf  bzw. Kaufmenge.
Die von Frau Dippold entwickelten Modelle eignen sich zur Analyse einer größeren  Anzahl von Warengruppen. Bisher vorliegende Studien haben sich überwiegend auf die Analyse von 4 -12 Warengruppen beschränkt. Diese Tatsache kann man damit  erklären, dass bei einer größeren Anzahl von Warengruppen die Anzahl möglicher paarweiser Interaktionen und damit der Schätzaufwand stark ansteigt. Die Ergebnisse der drei Schriften der Dissertation stimmen darin überein, dass für die überwiegende Mehrheit von Paaren von Warengruppen keine signifikanten Interaktionen vorliegen.  Die meisten signifikanten Interaktionseffekte wiederum sind positiv, d.h. die beteiligten Warengruppen können als komplementär bezüglich Kauf oder Kaufmenge angesehen werden.

Multivariate Diffusion Modeling

Die vorliegende Dissertation behandelt ein wichtiges Problem, die Prognose der Diffusion alternativer Technologien. Der Verfasser hat nicht nur ein eigenständiges Modell entwickelt, er benutzt dazu auch eine innovative Methodik (Kopulafunktionen), die im Marketing bislang kaum und im Zusammenhang mit Diffusion noch nie eingesetzt wurde. Herr Plank entwickelt ein eigenes Modell, das etablierte Modelle als Spezialfall umfasst, Effekte von Marketing-Instrumenten zuläßt und ein veränderliches Marktpotential besitzt. Das Modell basiert auf aggregierten Adopterdaten und Zeitreihen von Marketing-Instrumenten und besteht aus zwei Komponenten (Diffusion von Bekanntheit, Wahlentscheidung). Die Bekanntheitskomponente weist eine Archimedische Kopula auf. Bei der Wahlkomponente handelt es sich um ein multinomiales Logitmodell mit linear-additiver deterministischer Nutzenfunktion. Für mehrere empirische Datenreihen zeigt sich, dass das Modell von Kilian Plank verglichen mit zehn anderen Diffusionsmodellen (z.B. bezogen auf Theil's UII Prognosegüte-Maß) gut bis sehr gut abschneidet.

Analyse des Kraftstoff- und Shopgeschäfts des Tankstellennetzes einer Mineralölgesellschaft mit Hilfe von Regressionsverfahren

In der wissenschaftlichen Literatur finden sich nur wenige Arbeiten, die sich mit Analyse des Geschäfts von Letztverkaufstellen befassen. Diese sind zudem in der Regel schon vor einigen Jahrzehnten erschienen. Untersucht wurde das Kraftstoff- und das Shopgeschäft von jeweils 1094 bzw. 663 Tankstellen. Die hier durchgeführten Analysen nutzen flexible nichtlineare Regressionsmodelle und diskrete Mischverteilungsmodelle. Nach Informationskriterien übertreffen die modernen Modelle die üblichen linearen Regressionsmodelle und schneiden die Mischverteilungsmodelle ab besten ab. Diese Ergebnisse belegen für die untersuchten Daten die Bedeutung heterogener Effekte. Im Einklang mit der neueren Marketing-Literatur, die überwiegend Daten einzelner Kunden bzw. Haushalte analysiert, demonstriert die Arbeit klare Vorteile heterogener Modelle auch bei der Untersuchung von auf Geschäftstellenebene aggregierten Daten. Für die vorgelegte Modellierung spricht neben der trotz höherer Komplexität stark verbesserten Anpassung auch die Tatsache durchgängig plausibler Effekte der betrachteten Prädiktoren.

Optimallösungen von Marketing-Allokationsproblemen auf Grundlage von Marktreaktionsfunktionen mit unsicheren Parametern

Zur Bedeutung der gewinnmaximalen Verteilung knapper Ressourcen auf einzelne Träger/Segmente im Bereich des Marketing wurden bislang einige Ansätze veröffentlicht. Im COSTA-Modell von Skiera/Albers (1994) wird ein Ansatz zur Optimierung ausgehend von dieser Funktion vorgestellt. Bei der behandelten Problemstellung wird nun der Einfluss der Beobachtungszahl je Zuordnungseinheit auf die Genauigkeit der Optimierung erfasst. Mit Hilfe von Simulationsexperimenten wird dabei geklärt, wie um-fangreich eine Datenbasis sein muss, um ausreichend genaue Schätzungen zu ermöglichen und wie gravierend sich diese Genauigkeit auf die Optimallösungen auswirkt. Die Parameterschätzungen sollen hier so-wohl mit den gängigen OLS-Verfahren als auch mit dem Hierarchical-Bayes- Ansatz erfolgen. Im zweiten Teil der Dissertation wird versucht, diese Parameterungenauigkeiten in den Funktionsverlauf mit einzuarbeiten und es wird untersucht, inwieweit die so erhaltenen Optimallösungen von jenen der determi-nistischen Optimierung abweichen. Gemäß Montgomery/ Bradlow (1999), die diesen Effekt anhand eines Preis-Absatz-Modells untersuchen, können sich hohe Abweichungen für die Optimalwerte der unabhängigen Variablen ergeben.

Bestimmung von Optimal- und Gleichgewichtslösungen auf Grundlage empirischer Kaufakt- und Markenwahlmodelle

Das Hauptziel der Arbeit besteht darin, optimale Marketingpolitiken für unterschiedliche Marken zu bestimmen. Als Grundlage dienen Markenwahlmodelle, kombiniert mit künstlichen neuronalen Netzen, die den Kaufentscheidungsprozess abbilden. Darauf aufbauend werden Gewinnfunktionen aufgestellt, deren jeweilige Optima mit unterschiedlichen Optimierungsverfahren, wie Simulated Annealing oder dem Hit and Run Algorithmus und unterschiedlichen Kaufakt– und Markenwahlmodellen ermittelt werden sollen. Dabei wird auch der Frage nachgegangen, wie sich die einzelnen Managementimplikationen bei verschiedenen Marktbedingungen oder unterschiedlichen Preiselastizitäten usw. verhalten. Die betrachteten Märkte sind Cournot-, Nash- and Stackelbergmärkte. Die Wahl der Modelle hat Auswirkungen auf die Konstruktion der Optimierungsalgorithmen. Die erreichten Gleichgewichte werden zusätzlich in einer Sensitivitätsanalyse näher auf ihre Stabilität untersucht.

Neuronale Netze zur Bestimmung nichtlinearer Nutzenfunktionen in Markenwahlmodellen

Der Verfasser stellt eine Erweiterung des bekannten multinomialen Logitmodells (MNL) um ein künstliches neuronales Netz vor, das eine flexible nichtlineare Approxmiation des deterministischen Nutzens von Marken erlaubt. Markus Probst berücksichtigt dynamische Effekte, entwickelt eine Methodik der Modellselektion und konzentriert sich auf die Untersuchung nichtlinearer Effekte. Für dieses erweiterte Modell wird ein kombiniertes Schätzverfahren vorgestellt, das im wesentlichen aus stochastischem Gradient Descent, gefolgt von einer Quasi-Newton Methode, besteht. Bei Scannerpaneldaten von zwei Produktgruppen führt das neuronale Modell auch bei Kreuzvalidierung zu deutlichen Verbesserungen nicht nur gegenüber dem linearen MNL Modell, sondern auch gegenüber anderen nichtlinearen Varianten des MNL Modells. Nichtlineare Effekte ergeben sich für Referenzpreis und Referenzfeature. Daneben können zahlreiche Interaktionseffekte höherer Ordnung nachgewiesen werden. Effekte vergangener Features gehen im Zeitablauf langsam zurück.

Multinomiale Logitmodelle mit linearen Splines zur Analyse der Markenwahl

Die internationale Literatur zu Markenwahlmodellen enthält nur wenige Beiträge, die eine semiparametrische Flexibilisierung der deterministischen Nutzenkomponente anstreben. In diesem Kontext ist die vorliegende Arbeit zu sehen. Marion Steinberger erweitert den stückweise linearen Ansatz von Kalyanaram/Little, der auf Preiseffekte mit drei Abschnitten und einen bestimmten Verlauf beschränkt ist, in mehrfacher Hinsicht. Ihr Ansatz erlaubt die Berücksichtigung von Nichtlinearitäten und komplexe paarweise Interaktionseffekt mehrerer Prädiktoren. Ausserdem ist die Anzahl stückweise linearer Abschnitte beliebig. Dieses verallgemeinerte MNL-Modell steht in Beziehung zu dem auf Kerndichtenschätzungen basierenden GAM-MNL Ansatz von Abe, der allerdings Interaktionen ausschliesst. Gerade die Berücksichtigung Interaktionseffekten führt in der empirischen Untersuchung von Frau Steinberger zu Verbesserungen gegenüber linearen Modellen.

Ermittlung von Marketing-Strategien mit Hilfe der Temporal-Difference-Methode

Herr Dietl wendet die Temporal-Difference (TD) Methode, die ein vorwärtsgerichtetes Verfahren zur approximativen Lösung von Problemen der dynamischen Optimierung darstellt, auf Marketing-Mix Probleme unter Berücksichtigung des Verhaltens von Wettbewerbern an. Dieses Verfahren setzt nicht voraus, dass die (Erwartungswerte der) Payoffs (z.B. der Barwert des Gewinns) beim Treffen einer Entscheidung bekannt sind. Die Festlegung von Entscheidungen erfolgt adaptiv in Abhängigkeit von aktuellen Signalen über den Payoff. Die TD Methode wird zur Bestimmung von Optima und Gleichgewichten ausgehend von dem empirisch kalibrierten Oligopolmodell von Midgley/Marks/Cooper(1997) (drei Unternehmen, drei Marketing-Instrumente) eingesetzt. Das TD-Verfahren führt zu besseren Lösungen als der von Midgley/Marks/Cooper eingesetzte genetische Algorithmus. Außerdem zeigt der Verfasser, dass das TD-Verfahren im Gegensatz zur Methode dieser Autoren problemlos eingesetzt werden kann, falls Marketing-Instrumente eine höhere Anzahl von Ausprägungen aufweisen.

Dynamische Aspekte in Markenwahlmodellen

Dynamische Aspekte wie z.B. Markenloyalität, Erwartungen oder Reaktionen auf Preisänderungen können Kaufentscheidungen wesentlich beeinflussen. Die Arbeit versucht diese Dynamik in Markenwahlmodellen nicht nur zu beschreiben sondern mit Hilfe dynamisch struktureller Modelle auch zu erklären. Zusätzlich werden auf Basis der ermittelten Modelle dynamisch gewinnoptimale Preispfade ermittelt.

Optimale Neuproduktplanung. Entscheidungsmodelle und wettbewerbsorientierte Ansätze

Ausgehend von der Conjoint-Analyse wird ein Ansatz zur gewinnorientierten Produktgestaltung entwickelt, mit dem sich auch Konkurrenzreaktionen berücksichtigen lassen. Die Arbeit gibt einen systematischen Überblick über bisher entwickelte Entscheidungsansätze zur optimalen Neuproduktgestaltung und arbeitet Gesetzmäßigkeiten der wettbewerblichen Produktgestaltung, insbesondere auch zum Wettbewerb mit Produktlinien, heraus.

Einsatz von ART-Netzen zur Lösung von Klassifikationsproblemen im Marketing

Zur Lösung von Klassifikationsproblemen im Marketing können alternativ zu den traditionellen Verfahren auch Künstliche Neuronale Netze eingesetzt werden. Mit Hilfe der Netze wird versucht, neue Informationen über Datenstrukturen zu gewinnen. Es werden die ART-Netze vorgestellt, und deren Einsatz zur Lösung von Klassifikationsproblemen im Marketingbereich untersucht.

Eine Analyse des Einflusses von Sales Promotion auf Kaufzeitpunkt- und Markenwahlentscheidung mit Hilfe der Ereignisanalyse unter schwerpunktmäßiger Berücksichtigung konsumentenspezifischer Heterogenität.

Die Arbeit beginnt mit der Einführung grundlegender Begriffe der Hazardratenmodellierung. Zunächst werden jene Wahrscheinlichkeitsverteilungen beschrieben, die in der später präsentierten empirischen Untersuchung Anwendung finden. Nach einem Überblick über stochastische Kaufverhaltensmodelle, die den Kauf der Produktgruppe zum Gegenstand haben, sowie umfassender Modelle, die zusätzlich die Markenwahlentscheidung berücksichtigen, wird die Spezifikation erörtert sowie weitere Eigenschaften geeigneter Modelle mit einer bzw. mehreren Zustandsvariablen Schlußfolgerungen basieren auf der Analyse einer im Rahmen eines Haushaltscannerspanels gewonnenen Datenbasis.

Konnektionistische Analyse des Kaufverhaltens

Die Untersuchung befaßt sich mit der Anwendung konnektionistischer Modelle, sog. künstlicher neuronaler Netze, in einer klassischen Problemdomäne des Marketing: der Analyse und Prognose des Kaufverhaltens bzgl. kurzlebiger Konsumgüter. Die entwickelten Modelle werden anhand von Verbraucherpaneldaten des deutschen Universalwaschmittelmarktes empirisch validiert und mit konventionellen ökonometrischen und stochastischen Verfahren verglichen. Es wird deutlich, daß konnektionistische Modelle, die als nichtlineare Verallgemeinerungen verschiedener herkömmlicher Verfahren interpretiert werden, in Zukunft eine wesentliche Erweiterung des Methodenvorrats der Marketingforschung darstellen.