Skip to main content

Behavioral Economics und CRM – Verbesserte Vorhersage von Kundenverhalten

  • Chapter
  • First Online:
CRM goes digital

Part of the book series: Edition Sales Excellence ((ESE))

  • 19k Accesses

Zusammenfassung

Behavioral Economics ist das Forschungsgebiet, welches unser Entscheidungsverhalten in realen Entscheidungssituationen untersucht. Dies ist nicht immer so rational, wie wir glauben, sondern oft irrational, d. h. es steht im Widerspruch zu den Prognosen des Standardmodells eines Homo oeconomicus. Aber auch hinter diesem irrationalen Verhalten stecken allgemeingültige Muster, d. h. auch unser irrationales Entscheidungsverhalten lässt sich prognostizieren. Dieses Kapitel gibt einen kurzen Überblick über Behavioral Economics und verknüpft dessen Ansätze mit Predictive-Analytics-Methoden. Diese Erweiterung ermöglicht die Modellierung und Prognose von Kundenverhalten in neuen Entscheidungssituationen, wie beispielsweise der Akzeptanz von neuen Produkten oder Dienstleistungen, und unterstützt so die Ableitung von optimalen Handlungsoptionen. In diesem Kapitel wird der Leser zuerst in die wichtigsten Ideen und Konzepte aus den zwei Forschungsgebieten Behavioral Economics und Predictive Modelling eingeführt. Danach wird eine mögliche Symbiose der zwei Forschungsgebiete aufgezeigt. Dieser Beitrag hat aber nicht zum Ziel, einen vollständigen Überblick zu geben. Es geht vielmehr um das Schaffen eines Grundverständnisses für die grundlegenden Prinzipien.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Machine Learning ist ein Teilgebiet der künstlichen Intelligenz, das sich auf die Entwicklung von Algorithmen für eine systematische und automatisierbare Suche von Mustern in Daten konzentriert.

  2. 2.

    Optimal ist dabei, dass beide Kundenklassen gleichverteilt im Datensample vorhanden sind. Dies ist in der Praxis aber eher selten der Fall. Um dieses Problem zu beheben, gibt es entsprechende Vorgehensweisen, etwa das sogenannte „Oversampling“, bei dem die gewünschte Gleichverteilung durch Sampling-Methoden erzeugt wird.

  3. 3.

    In der Regel werden stratifizierte Datensets erzeugt, sodass beispielsweise jedes Datenset dasselbe Verhältnis zwischen Event und Nicht-Event aufweist.

  4. 4.

    Der Default-Effekt (englisch „default“ für Vorgabe oder Voreinstellung) ist eine kognitive Verzerrung, eine übermäßige Bevorzugung derjenigen Option („Default-Option“), bei der ein Akteur keine aktive Entscheidung trifft.

Literatur

  • Dinner I, Johnson EJ, Goldstein DG, Liu K (2011) Partitioning default effects: why people choose not to choose. J Exp Psychol Appl 17(4):332

    Article  Google Scholar 

  • Fehr E, Schmidt KM (1999) A theory of fairness, competition, and cooperation. Q J Econ 114(3):817–868

    Article  Google Scholar 

  • Fishbein M (2009) An integrative model for behavioral prediction and its application to health promotion. In: DiClemente RJ, Crosby RA, Kegler MC (Hrsg) Emerging theories in health promotion practice and research. Jossey-Bass, San Francisco, S 215–234

    Google Scholar 

  • Johnson EJ, Goldstein D (2003) Medicine. Do defaults save lives? Science 302(5649):1338–1339

    Article  Google Scholar 

  • Kahneman D, Tversky A (1979) Prospect theory: an analysis of decision under risk. Econometrica 47:263–291

    Article  Google Scholar 

  • Kahneman D, Tversky A (2000) Choices, values and frames. Cambridge University Press, Cambridge

    Book  Google Scholar 

  • Kahneman D, Knetsch JL, Thaler RH (1991) Anomalies: the endowment effect, loss aversion, and status quo bias. J Econ Perspect 5(1):193–206

    Article  Google Scholar 

  • Morgan RM, Hunt SD (1994) The commitment-trust theory of relationship marketing. J Mark 58:20–38

    Article  Google Scholar 

  • Morgenstern O, Von Neumann J (1953) Theory of games and economic behavior. Princeton University Press, Princeton

    Google Scholar 

  • Tversky A, Kahneman D (1974) Judgment under uncertainty: heuristics and biases. Science 185(4157):1124–1131

    Article  Google Scholar 

  • Tversky A, Kahneman D (1981) The framing of decision and the psychology of choice. Science 211:453–458. 418, January 30

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Herbert Bucheli .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Bucheli, H. (2020). Behavioral Economics und CRM – Verbesserte Vorhersage von Kundenverhalten. In: Stadelmann, M., Pufahl, M., Laux, D. (eds) CRM goes digital. Edition Sales Excellence. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-27016-2_6

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-27016-2_6

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-27015-5

  • Online ISBN: 978-3-658-27016-2

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics