Zusammenfassung
Was wäre wenn? Die Möglichkeiten der What-if-Analyse, also der Betrachtung von Szenarien, werden unserer Meinung nach zu selten im Rahmen von Marktforschungsprojekten genutzt. Dabei ist das verwunderlich, denn sowohl die Daten als auch die Techniken sind oft im Rahmen einer empirischen Untersuchung gegeben. Im vorliegenden Kapitel wollen wir uns stark fokussieren und aus der Vielzahl möglicher Prognosetechniken zwei sehr interessante Modellierungsansätze genauer vorstellen: Wir zeigen beispielhaft mit Behaviour Forecasting einen Ansatz des explorativen, datengestützten Modellierens und mit agentenbasierter Modellierung einen Vertreter des präskriptiven Modellierens. In Zeiten, in denen die klassische befragende Marktforschung vor vielen Möglichkeiten neuer Datenarten und Techniken steht, denken wir, dass modernen Analysetechniken eine immer stärkere Bedeutung zukommen wird.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Die Eigenschaften der Umwelt müssen jedoch nicht vollständig durch das Modell abgebildet werden. In manchen Situationen ist es sinnvoll, Modellparameter auch während des Simulationslaufes von außen vorzugeben. Ein Konjunkturprogramm einer Regierung zum Beispiel muss in einem Marktmodell als „externer Schock“ eingeführt werden, da die Veränderung der Bedingungen nicht aus dem Markt heraus erklärt werden kann.
Literatur
Axtell, R., & Epstein, J. (1996). Growing Artificial Societies: Social Science from the Bottom-Up. Massachusetts: MIT Press.
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and Regression Trees. New York.: Chapman & Hall/CRC.
C5.0 (2011). An Informal Tutorial, [Online]. Available: http://www.rulequest.com/see5-unix.html.
Heppenstall, A., Evans, A., & Birkin, M. (2006). Using Hybrid Agent-Based Systems to Model Spatially-Influenced Retail Markets. Journal of Artificial Societies and Social Simulation, 9(3). http://jasss.soc.surrey.ac.uk/9/3/2.html.
Loh, W. Y., & Shih, Y. S. (1997). Split selection methods for classification trees. Statistica Sinica, 7, 815–840.
Nigel, G. (2007). Agent-Based Models. London.: Sage Publications.
Nigel, G., & Troitzsch, K. (2005). Simulation for the Social Scientist (2. Aufl.). New York: Mcgraw-Hill Publ.Comp.
Parker, R. A., & Perroud, D. (2008). Exploring Markets with Agent-Based Computer Simulations. Vortrag auf dem ESOMAR Kongress „Frontiers“ am 24. September 2008.
Smyth, P., & Goodman, R. M. (1992). An information theoretic approach to rule induction from databases. IEEE Transactions on Knowledge and Data Engineering, 4(4), 310–316.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Eberl, M., Arndt, F. (2015). Simulation und Prognose in der Marktforschung: Nutzungsmöglichkeiten von Behaviour Forecasting und agentenbasierter Modellierung. In: Gansser, O., Krol, B. (eds) Markt- und Absatzprognosen. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-04492-3_17
Download citation
DOI: https://doi.org/10.1007/978-3-658-04492-3_17
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-04491-6
Online ISBN: 978-3-658-04492-3
eBook Packages: Business and Economics (German Language)