Homepage



Gero Schwenk, Marketing, Uni Frankfurt/Main

Inferenz von Preiseffekten bei Modeartikeln: Kombination von Experimental- und Absatzdaten
 
July  2, 2008, 2:30pm
Campus am Neuen Palais, Building 19, Room 4.15

Modeartikel müssen zum Saisonende abverkauft werden, da man sie danach oft nur noch unter
 dem Einkaufspreis vertreiben kann. Um die Lagerflächen rechtzeitig zu räumen, werden i.a. 
zum Saisonende großzügige Preisrabatte gewährt. Die Empfehlung von optimalen Preisrabatten 
mittels Stochastischer Dynamischer Programmierung hängt jedoch stark von der Genauigkeit ab, 
mit der man die Preissensitivität der Kundenpopulation schätzt. Eine Schätzung der 
Preissensitivität, die allein von der Zeitreihe der Absatzzahlen ausgeht, ist hier bedenklich, 
da man davon ausgehen kann, dass die Preissensitivität der Kunden nicht über den gesamten 
Zeitraum konstant ist, sondern preissensitive Kunden eher zum Schlussverkauf hin einkaufen. 
Eine Möglichkeit dieses Problem zu umgehen ist die Durchführung von Auswahlexperimenten, 
welche zwar erlauben, die Heterogenität der potentiellen Kundschaft zu berücksichtigen, 
jedoch nicht notwendigerweise realistische Schätzungen generieren.

Um das Problem der Selbstselektion zu umgehen und trotzdem nicht auf die Modellierung des 
realen Prozesses zu verzichten, berücksichtigt unser Modell zur Schätzung der Populationsparameter 
gleichzeitig mikroskopische Experimentaldaten und agreggierte Absatzdaten. Technisch gesehen 
handelt es sich um ein bayesianisches Hierarchisches Logit-Modell: 
Die Entscheidungsprozesse der Individuen in beiden Datenquellen werden jeweils über 
Logit-Funktionen modelliert, welche über eine Hierarchische Prior 
(die gemeinsame Populationsverteilung) miteinander verbunden sind. 
Die Schätzung des Modells erfolgt mittels eines Random-Walk-Metropolis-Algorithmus.

Homepage