Optimallösungen von Marketing-Allokationsproblemen auf Grundlage von Marktreaktionsfunktionen mit unsicheren Parametern

Knappe Ressourcen bei Marketing Instrumenten wie Verkaufszeit, Werbebudget oder Regalplatz werden durch die Regel Elastizität × Deckungsbeitrag optimal aufgeteilt. Häufig empfehlen die Autoren, entsprechende Parameter aufgrund teurer Erhebungsmethoden oder zu kurzer Erhebungszeiträume subjektiv zu schätzen. Dem Autor ist jedoch kein Aufsatz bekannt, indem der Effekt der Beobachtungsanzahl auf das Ergebnis der Optimierung gemessen wurde. Diese Dissertation betrachtet eben diesen Einfluss der Schätzgenauigkeit auf die Lösung von Marketing-Allokationsproblemen, welcher ausschließlich durch die Beobachtungszahl beeinflusst wird. Dabei wurde erarbeitet, ob es eine Art „kritische Anzahl“ an Beobachtungswerten gibt oder ob Optimierungen mit ungenauen Daten sogar aktuelle Resultate noch verschlechtern können. Zur Beantwortung dieser Fragestellungen wurde eine stochastische Simulationsstudie herangezogen, wobei Parameterschätzungen sowohl mit dem gängigen Verfahren OLS sowie mit einem MCMC-Modell der hierarchisch Bayesschen Regression durchgeführt wurden.Einen zweiten zentralen Bestandteil der Dissertation bildet die Tatsache, dass Analysten zwar bei Parameterschätzungen eindeutig den stochastischen Verlauf feststellen, bei der Optimierung jedoch jenen Schätzern grundsätzlich einen deterministischen Verlauf unterstellen. Aus diesem Grund wurde ein Ansatz entwickelt, welcher den stochastischen Charakter der Parameterschätzer auch bei der Optimierung mit berücksichtigt. Die Resultate zeigen, ob mittels stochastischer Optimierung verbesserte Ergebnissen erzielt werden können.