Naar inhoud

Nieuwe methoden voor analyse koopgedrag grote assortimenten

Veel traditionele marketingonderzoeken over aankoopbeslissingen van huishoudens richten zich op de keuze tussen slechts drie merken ketchup of een paar merken koffie. Maar deze methoden volstaan niet als er sprake is van een assortiment van vele duizenden producten, zoals bij de meeste offline en online winkels. Hoe kan bij zulke grote assortimenten worden voorspeld in welk volgend product iemand geïnteresseerd is?

Nieuwe onderzoeksmethoden

Het aanpakken van deze beperking – en daarmee het mogelijk maken om aankoopgedrag in zeer grote assortimenten te analyseren – heeft de drijfveer gevormd van het onderzoek van econometrist Bruno Jacobs. Hij verdedigt zijn proefschrift op vrijdag 22 december 2017. In zijn proefschrift ‘Marketing Analytics for High-Dimensional Assortments’ introduceert de econometrist nieuwe onderzoeksmethoden die het mogelijk maken om marketinganalyses te maken op basis van gegevens uit grote tot zeer grote assortimenten van tientallen tot duizenden producten.

Rekenkundige schaalbaarheid

De omvang van het assortiment was bij het toepassen van analytische methoden voorheen altijd een beperkende factor. In zijn onderzoek besteedt Jacobs veel aandacht aan de rekenkundige schaalbaarheid van de methode. Dit is zeer belangrijk om de methode in de praktijk toe te kunnen passen, vooral als de resultaten in real-time moeten worden gegenereerd, bijvoorbeeld bij online aanbevelingen van producten. Jacobs heeft deze schaalbaarheid weten te bereiken door voort te bouwen op onlangs ontwikkelde technieken op het gebied van ‘machine learning’, systemen die kunnen leren.

Verzameling latente factoren

In plaats van direct te kijken naar wat wordt verkozen boven alle andere producten in het assortiment, verkleint Jacobs de omvang van het probleem door gebruik te maken van een relatief kleine verzameling latente factoren waarmee het aankoopgedrag voor alle producten gezamenlijk kan worden beschreven. “Met de in mijn promotieonderzoek ontwikkelde methoden kunnen we aankooppatronen afleiden die het gehele assortiment bestrijken”, vertelt Jacobs.

Waargenomen aankoopgegevens

“Deze patronen komen aan het licht op basis van daadwerkelijk waargenomen aankoopgegevens, niet op basis van producteigenschappen”, licht Jacobs toe. “De aldus verkregen patronen zijn intuïtief gezien logisch, zoals een voorkeur voor dieetproducten, milieuvriendelijke producten of producten die mensen kopen als ze een kindje krijgen. Daarnaast laat ik factoren zoals seizoensgebondenheid, de kenmerken van klanten en dynamiek hun invloed uitoefenen op de relevantie van deze latente factoren.”

Inzicht in productassortimenten

Volgens Jacobs kan met behulp van de methoden die hij in zijn promotieonderzoek heeft ontwikkeld op hoog niveau inzicht worden gekregen in zeer grote productassortimenten, zoals de assortimenten van grote online winkels. “Dankzij dit onderzoek wordt het nu voor het eerst mogelijk om deze analyse ook voor het gehele assortiment van de offline of online winkel te maken”, stelt Jacobs. “In eerdere onderzoeken was het vaak niet mogelijk om het hele assortiment van een winkel in ogenschouw te nemen, of steunde de methode op elementaire analysetechnieken, zoals tellen hoe vaak twee producten door dezelfde persoon gekocht zijn.”

Bruno Jacobs (1988) heeft een mastertitel behaald in Econometrics & Management Science aan Erasmus School of Economics. In 2012 is hij als promovendus toegetreden tot Erasmus Research Institute of Management (ERIM). Hij heeft zijn onderzoek uitgevoerd binnen de onderzoeksgroep van de sectie Marketing en het Econometrisch Instituut van Erasmus School of Economics. In 2015 was hij gastwetenschapper aan Columbia University in New York, onder begeleiding van professor Asim Ansari. Hij werkt momenteel als Assistant Professor in Marketing aan de Robert H. Smith School of Business, University of Maryland, College Park.

Bron: CustomerTalk
0
Logo CustomerTalk

Cookie-instellingen

CustomerTalk maakt gebruik van cookies voor een optimale gebruikerservaring.

Graag vragen wij je toestemming voor het plaatsen van deze cookies.

Accepteren Meer informatie