MASIM
Marktsimulation
DAS PRODUKT
MASIM ist das ADABOX-Tool für die Durchführung von Simulationen auf Basis von Conjoint-Daten. Neben allen gängigen Choice-Algorithmen enthält es weitere umfassende Funktionen, u.a. zur Produktoptimierung und Justierung von Modellen.
KURZCHARAKTERISTIK
- Daten können aus beliebigen Conjointstudien übernommen werden
- Simulation beliebiger Szenarios aus den definierten Produkten (inkl. Produktvariationen)
- Berechnung von Anteilen, Absatzmengen, Umsätzen, Gewinnen und Kosten
- Integrierte Justierung von Daten und Modellen zur verzerrungsfreien Anpassung an reale Marktgegebenheiten
- Schnelle Optimierung einzelner Produkte oder Produktportfolios selbst bei Milliarden von Kombinationsmöglichkeiten
- Automatische Optimierung nach Anteilen, Absatzmengen, Umsätzen, Gewinnen und Kosten
- Benutzerorientiertes Handling trotz komplexer Möglichkeiten
AUFGABENSTELLUNG
Daten aus Conjoint-Studien bieten die Möglichkeit, Marktszenarien zu definieren und die resultierenden Effekte zu simulieren.
Conjoint-Analysen liefern im Allgemeinen individualisierte Nutzenstruktur-Daten für jeden einzelnen Befragten. Damit bieten sie die Grundlage für detaillierte Berechnungen des Kaufverhaltens innerhalb der Zielgruppe.
Im Gegensatz zu den statischen Auswertungen und Darstellungen der durchschnittlichen Präferenzstrukturen der Gesamtstichprobe bzw. von Teilgruppen werden die Daten in Marktsimulationen dynamisch verwendet. Im Rahmen des definierten Modells können Merkmalsausprägungen und Produkte beliebig kombiniert und zu Szenarien zusammengestellt werden.
Ausgehend von einer möglichst realistischen Ausgangssituation, können so die Auswirkungen von Preis- und Merkmalsvariationen sowie von Produkteinführungen auf Marktanteile, -volumen, Umsätze und Gewinne überprüft werden.
VORGEHENSWEISE
Auf Grundlage der im Conjointmodell definierten Merkmale und Ausprägungen wird ein Set aus Produkten zusammengestellt. Das Verfahren prüft nun, wie jeder Einzelne reagiert, wenn genau dieses Set zur Auswahl steht. Im einfachsten Fall wird dabei überprüft, welches der Produkte am meisten präferiert wird. Dieses Verfahren nennt man First Choice.
Für jeden Befragten ergibt sich für jedes Produkt ein sogenannter Gesamtnutzenwert – das ist die Summe der Teilnutzenwerte derjenigen Merkmalsausprägungen, aus denen das Produkt zusammengesetzt ist. Das First Choice Modell geht davon aus, dass der Befragte das Produkt mit dem höchsten Gesamtnutzenwert kauft.
Indem dieser Prozess für alle Befragten durchgeführt wird, lässt sich für jedes Produkt im Set abschätzen, wie hoch sein Kaufanteil innerhalb der gesamten Stichprobe ist.
Das Share of Preference Verfahren teilt die Kaufpräferenzen jedes einzelnen Befragten auf. Das Verfahren geht nicht wie der First Choice Algorithmus davon aus, dass es genau eine eindeutige Wahl jedes einzelnen gibt, sondern vielmehr, dass es Wahlwahrscheinlichkeiten gibt, die sich an der Verteilung der Gesamtnutzenwerte orientieren. Die individuellen Wahlwahrscheinlichkeiten werden über alle Befragten hinweg kumuliert und zu Marktanteilen verrechnet.
Das Verfahren führt zu geringeren Schwankungsbreiten, hat allerdings Schwächen, wenn Produkte in einem Set ähnlich sind. Die resultierenden Anteile solcher Produkte sind unrealistisch hoch.
Ein anderes Verfahren verbindet die Vorteile der zuvor genannten Vorgehensweisen: Randomized First Choice. Ebenso wie das Share of Preference Verfahren geht es nicht von einer eindeutigen Wahl jedes Befragten aus, sondern von Wahrscheinlichkeiten, mit denen die verfügbaren Produkte gewählt werden. Das Verfahren simuliert das probabilistisch determinierte Kaufverhalten durch Wiederholungen des individuellen Kaufaktes. Bei jeder Wiederholung werden den Gesamtnutzenwerten Zufallswerte hinzuaddiert. Die Auswahlentscheidung innerhalb jedes Schrittes erfolgt dann wieder mit Hilfe der First Choice Regel.
Die statistischen Schwankungen sind bei dieser Vorgehensweise erheblich geringer als bei einem reinen First Choice Verfahren. Die Gefahr der Überschätzung ähnlicher Produkte wie beim Share of Preference Verfahren besteht bei sinnvoller Wahl der Modellparameter nicht.
Simulationsmodelle können um externe Parameter erweitert werden. So ist es zum Beispiel möglich, Kosten zu definieren, so dass neben Nutzenwerten, Anteilen und Umsätzen auch Gewinne prognostiziert werden können.
Geeignete Verfahren erlauben es, automatisch optimale Produkte und Produktkonstellationen zu bestimmen. Die Anzahl aller zu untersuchenden Kombinationen nimmt dabei leicht astronomische Größenordnungen an, so dass die benötigten Analysezeiten selbst mit leistungsfähigen Rechnern nicht akzeptabel sind. Genetische Algorithmen nähern sich dem Optimum auf weniger zeitraubende Weise, erheben aber keinen bedingungslosen Anspruch auf Vollständigkeit.
JUSTIERUNG DES MARKTMODELLS
Die Definition eines validen Modells aus Merkmalen und Ausprägungen ist eine wichtige Voraussetzung, um aussagekräftige Simulationsergebnisse zu erzielen. Doch selbst das beste Marktmodell kann nicht alle externen Effekte wie unterschiedliche Distribution, Bekanntheit oder Vertriebskanäle berücksichtigen.
Daher kann es sinnvoll sein, eine Justierung des Modells vorzunehmen. Dazu wird ein Ausgangsszenario definiert, das so weit wie möglich der realen Marktsituation entspricht. Die Übereinstimmung des Simulationsergebnisses dieser Ausgangslage mit den realen Marktanteilen ist ein Kriterium für die Güte des Modells. Eine exakte Übereinstimmung wird es dabei kaum geben.
Um eine solche Übereinstimmung zu erzielen und damit eine Basis für realitätsnahe Simulationen zu schaffen, sollten in erster Linie die Parameter des Choice-Algorithmus optimiert werden. Dadurch kann die simulierte Ausgangslage in dem meisten Fällen sehr weit an die reale Marktsituation angepasst werden, ohne die Daten zu verzerren.
In weiteren Schritten können spezifische Veränderungen der Daten vorgenommen werden, die die externen Effekte zielgerichtet kompensieren.
PRAKTISCHE UMSETZUNG
Marktsimulationen bieten die Möglichkeit, zu simulieren „was wäre, wenn …”. Sie erlauben quasi einen Blick in die Zukunft. Damit sind sie ein wirkungsvolles und vergleichsweise kostengünstiges Instrument bei der Gestaltung und dem Pricing von Produkten und Dienstleistungen.
Dabei muss es die überprüften Kriterien noch gar nicht geben. Wichtig ist, dass die Befragten in der Testsituation ein realistisches Bild von den relevanten Aspekten haben. Solange es sich um innovative Aspekte handelt, wird man mit Simulationen die Erstkaufrate messen. Um eine Wiederkaufrate valide zu erfassen, muss eine ausreichende Kontaktphase mit den bisher unbekannten Kriterien vorgeschaltet werden.
Simulationen liefern konkrete, sehr detaillierte Prognosen über Marktkonstellationen – bis hin zu abverkauften Stückzahlen und erzielten Gewinnen. Wie für alle Analysen gilt jedoch, dass sie die Realität nur bis zu einem gewissen Maß exakt abbilden können. Abhängig von der Komplexität der definierten Szenarien, der Größe der Stichprobe, dem Antwortverhalten der Befragten und vieler anderer Aspekte wird das Verhalten der Zielgruppe von den Prognosen abweichen.
Simulationen können aufgrund des hohen Rechenaufwandes nur mit Computerprogrammen durchgeführt werden. Umfang und Handhabung solcher Programme sind dabei sehr unterschiedlich. MASIM ist das Online-Tool für die Durchführung von Simulationen in der ADABOX. Es umfasst alle gängigen Choice-Verfahren, ermöglicht Justierungen von Markt-Ausgangssituationen, Gewinnberechnungen und Produkt-Optimierungen mit genetischen und vollständigen Algorithmen.
Das Tool beinhaltet eine flexible Nutzer- und Rechteverwaltung, so dass der Anwender nur die Einstellungsmöglichkeiten vorfindet, die für ihn relevant sind.
