Veel 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 (online) winkels.
Hoe kan bij zulke grote assortimenten worden voorspeld in welk volgend product iemand geïnteresseerd is?
Het aanpakken van deze beperking, en daarmee het mogelijk maken om aankoopgedrag in zeer grote assortimenten te analyseren, is het onderwerp van het proefschrift van econometrist Bruno Jacobs.
In zijn proefschrift 'Marketing Analytics for High-Dimensional Assortments' introduceert Jacobs nieuwe onderzoeksmethoden die het mogelijk maken om marketinganalyses te maken op basis van gegevens uit (zeer) grote assortimenten van (tientallen) duizenden producten.
De omvang van het assortiment was bij het toepassen van analytische methoden voorheen altijd een beperkende factor.
In zijn onderzoek besteedt Jacobs aandacht aan de rekenkundige schaalbaarheid van de methode.
Dit is volgens de onderzoeker 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.
Relatief kleine verzameling latente factoren
In plaats van direct te kijken naar wat wordt verkozen boven alle andere producten in het assortiment, verkleint de econometrist 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.
Bruno Jacobs: 'Met de in mijn promotieonderzoek ontwikkelde methoden kunnen we aankooppatronen afleiden die het gehele assortiment bestrijken. Deze patronen komen aan het licht op basis van daadwerkelijk waargenomen aankoopgegevens, niet op basis van producteigenschappen.
‘De 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.
Op vrijdag 22 december 2017 verdedigt Bruno Jacobs zijn proefschrift 'Marketing Analytics for High-Dimensional Assortments' aan de Erasmus University Rotterdam.
Reacties:
Om een reactie achter te laten is een account vereist.
Inloggen Abonneer nu