数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究消费者准确性-努力权衡
我们都有一个共同点：我们都是消费者。事实上，地球上的每个人都是顾客。每天，我们购买和消费种类繁多的商品和服务。尽管如此，我们每个人都有不同的兴趣、喜好和厌恶，并且我们在做出购买决策时也表现出不同的行为。你的配偶可能喜欢尼姆牙膏、力士香皂和使君子洗发水，而你可能更喜欢高露洁牙膏、辛托尔香皂和海露洗发水。
同样，你可能在食物、服装、书籍、杂志、休闲活动、储蓄方式以及你喜欢的购物场所方面有一套特定的偏好，这不仅与你配偶的偏好不同，也与你的朋友、邻居和同事的偏好不同。每个顾客都是独特的，这种独特性体现在他们的购买习惯、模式和过程中。消费者行为的研究解释了为什么顾客在商品和服务的购买和使用方面存在差异。
消费者准确性-努力权衡
个人通常使用多种策略，例如预期价值、联想和方面消除规则来做出决策。据推测，策略选择部分取决于：
策略产生正确反应的能力，以及
策略对资源或脑力劳动的需求。我们研究了努力和精确度及其在策略选择中的作用。
可以使用多种策略来使用生产系统框架进行模拟风险选择。蒙特卡罗的研究改变了选择环境的几个方面，包括任务复杂性和是否存在主导替代方案。这些模拟确定了在需要明显较少努力的同时接近监管程序精度的策略。但是，这些结果高度依赖于任务环境的特征。
努力准确性权衡模型
从目标动力学的角度来看，努力-准确性权衡模型很好地解释了战略选择。根据该模型，人们作为理性和适应性决策者，拥有可以从中选择以实现其目标的策略库。此外，他们在选择搜索策略时会努力最大程度地减少成本并最大程度地提高收益。因此，当他们的目标是找到特定结果时，人们会选择更复杂，因此更费力的策略。相反，当他们对特定结果不感兴趣时，将使用需要较少努力的策略。一些实验室实验已经证实了这一预测。
其他研究
但是，许多其他研究表明，无论情况如何变化，人们在自然环境中通常都遵循相同的策略。例如，在研究计算机使用时，Olson 和 Nilsen 发现熟练用户不会改变他们的访问方法。同样，Hammond 等人表明，如果人们经验丰富并且拥有许多线索，他们会依赖快速且较弱的分析控制策略来解决问题。最后，Beach 和 Mitchell 提出了一个强调现实世界环境中决策直观和自动方面的图像理论。根据他们的说法，人类是有经验的生物，创造了一个强大的图像，他们可以使用该图像来测试替代方案的可接受性和兼容性。当加权标准违规超过一定的权重阈值时，将拒绝一个选项。
此外，评估选项与其图像的兼容性是一个快速且流畅的过程，可以用直观的方式来描述。只有在存在多个可接受的替代方案时，才会调用分析过程。这些发现表明，随着人们在特定问题领域的经验积累，他们会直观地将众所周知的替代方案应用于解决问题。因此，为了有效地应用努力-准确性权衡模型来解释现实世界的搜索行为，必须考虑一个额外的因素，即经验。
相反，根据社会认知理论，它们是相互决定的。根据该理论，对自己能力充满信心的经验丰富的人可以比新手更有效地应用目标。相反，缺乏经验且没有信心的个人在遇到微不足道的挑战时可能会质疑自己并轻易放弃。更重要的是，专业人士可以依靠视觉策略而不是分析策略，并在无需额外努力的情况下保持其绩效水平。因此，社会认知理论提供了一个合适的视角来补充努力-准确性权衡模型。
衡量准确性和努力
多年决策研究的主要发现之一是，个人使用许多不同的认知过程（策略）来做出决策，具体取决于任务的要求。个人在策略之间做出的决策部分取决于策略的准确性和努力，即其对策略和精神资源的需求。
可以通过偏好一致性（例如传递性）来确定选择质量。但是，已经为风险选择提出了更具体的标准。例如，预期效用 (UE) 规则依赖于一致性原则，为将有价值的信息和信念整合到决策中提供了一种特定机制。EU 规则的一个特定情况是最大化预期值 (EV)。EV 作为选择规则的主要优势在于，它不需要个体决策者的值来操作该规则。Thorngate (1980) 早期关于启发式准确性的工作应用了此 EV 标准。使用蒙特卡罗模拟，Thorngate 确定了多个启发式方法选择预期价值最高的替代方案的决策比例。
脑力劳动作为认知心理学中的一个理论结构，有着悠久而值得尊敬的历史。在决策中，Russo 和 Dosher (1983) 将努力定义为完成任务所需的所有认知资源的充分利用。我们接受这种努力的定义。关于努力指标比较决策规则的努力才刚刚开始。Shugan (1980) 建议，努力或“思考成本”可以通过“一个可衡量的（即定义明确且可计算的）思考单位”来捕获。它提出在属性上对两个替代方案进行二元比较作为基本单位。比较次数越多，选择越困难。不幸的是，Shugan 将二元比较用作努力的基本单位，这限制了他对特定决策规则的分析。然而，对 Shugan 工作的重要贡献是
将决策制定策略分解为组成部分可以提供对其相对成本的估计，以及
观察到选择规则所需的努力会受到特征任务（例如属性之间的协方差）的影响。
将决策体验分解成组成过程有助于更好地理解这些规则的相对复杂性。同时，推导出简单闭式努力估计表达式的假设严重限制了可以测试的决策任务（Johnson 1979）。因此，尽管获得了每个决策规则的详细图像，但该图像仅适用于一类可能的决策问题。
估计努力的另一种方法是将启发式方法实现为可以在计算机上模拟的形式符号系统。框架是一个生产系统（Newell 和 Simon 1972），由产品、任务环境和工作内存组成。
生产指定一组动作 (EIP) 及其发生的条件。它们表示为 (条件) + (动作) 对，并且仅当条件侧通过匹配工作内存的内容得到满足时，才会执行（触发）生产中指定的动作。工作内存是符号的集合，包括从外部环境读取的符号和先前产品执行的动作发送的符号。个人的产品集可以被认为是长期记忆的一部分。
结论
消费者由于预算限制而面临权衡；一个消费者只能随意消费某些商品。相反，如果他想消费更多的一种商品，他必须放弃对另一种商品的一些消费。两种商品消费之间的这种负相关关系决定了消费者面临的权衡。为了获得消费者想要的东西，他们必须放弃其他他们想要的东西。
162 次查看
