消费者行为建模

---

每个营销人员的头脑中都隐含着一个消费者行为模型。这是他长期以来对客户行为的诸多理解的结果。这些理解基于他个人的消费经验、从营销活动中获得的客户知识以及以往消费者行为研究提供的知识体系。由于消费者行为只是人类行为的一个子集，因此消费者行为模型借鉴了各种研究人类行为的学科，例如心理学、社会学、经济学、人类学、决策科学等等。

当前建模工作的分类

在 Howard-Sheth 模型和其他平行研究的经验推动下，人们还进行了几次额外的尝试来理解并最终模仿消费者行为。根据以下主要标准，这些努力可以分为几组：

• 建模的目标。

• 支持的基本学科。

• 支持的分析方法。

• 消费者行为的基本单位建模。

建模目标

建模的目标主要局限于以下方面：

购买行为的描述

具有此目标的模型关注在购买和行为中起关键作用的众多结构。这些结构在描述整体消费者行为的示意图中得到说明。这些模型实质上是消费者行为的快照。因此，它们有效地捕捉了模型中各种变量所取的值。但是，它们需要理解因果关系。此类模型最常见的应用之一是向受众传达营销人员对其客户的设想。为实现此目标而创建的模型也被证明是有益的起点，可以用于创建更复杂和更高层次的目标模型。

实现这些目标的数据来源包括市场定义或消费者概况调查。此类调查可以提供人口统计、社会经济、心理统计和购买阶段数据。这些数据可以根据客户的重要方面和总体水平来描述客户。因此，例如，一家微波炉营销企业可以将其客户定义为知情的，但需要澄清这些烤箱在其烹饪风格中的价值。该公司还可以根据客户的其他显着特征对其进行画像，以用于营销目的。通过识别从这些消费者描述中收集的数据中的特定趋势，该公司可以假设目标客户销售额低下的潜在原因。为了更具体或证明因果关系，营销人员必须以新的方式处理建模。

描述消费者过程

此目的关注的是影响消费者行为的过程，而不是消费者的状态。一个例子是 Nicosia 模型，其设计目标就是如此。这些目标使营销人员更接近于理解因果模型。它们还有助于连接各种结构，并为消费者行为模型中的这些联系提供建议。当这些联系被量化时，营销人员就能更好地控制设计输入组合以实现所需的客户情绪。

消费者行为的可预测性和可控性

这是消费者行为建模的最终目标。它需要数据来表征消费者行为的状态及其联系。毫不奇怪，这是最难实现的目标。原因之一是，实现这一目标的信息基础取决于营销领域的完整知识库以及与人类行为预测相关的其他学科。这些领域的知识尚未发展到能够尝试这种努力的程度。在营销环境中，所涉及的变量是微观的，例如消费者的品牌偏好、产品认知、关于产品类别或品牌的习得联想、消费场合等等。使用标准变量预测这种微观层面的事件时，准确性会显著下降。

基本学科的支持

当前消费者行为模型的进展也可以通过应用这些模型主要基于的基本学术领域来识别。经济学，它提供了消费者行为的第一个概念化，认为消费者是一个理性的经济实体。他的行为引起了微观和宏观层面经济学的关注。该学科的有限假设以及在营销实践中发现的人为因素的复杂性降低了该学科在消费者行为建模中的价值。

心理学强调人类行为的“为什么”，也对消费者行为的理解和建模工作做出了重大贡献。几乎每个消费者行为模型都使用某些心理结构。对这些领域及其与其他概念的相互作用的理解通常源于心理学，即母学科。

心理学概念的基本问题在于它们在营销环境中的可操作性、发现的较弱联系以及忽略了非心理学因素。社会学也被广泛应用于分析消费者群体现象（例如市场细分）和其他消费者社会动态（例如创新扩散）。消费者行为建模者越来越意识到特定学科的重要性。

决策科学

消费者选择或决策是营销人员最感兴趣的关键主题之一。虽然经济学和心理学（通过认知心理学）在这个领域有所发展，但蓬勃发展的决策科学学科最明确地关注这一点。该学科在消费者行为领域的益处很多。（i）它有助于追踪消费者决策过程的流程；（ii）它有助于理清有助于选择的相关品质或特征；以及（iii）它有助于识别这些关键属性及其在消费者心中使用的水平之间的权衡——这是使用决策科学的另一个好处。决策科学方法在消费者行为中的可用性是消费者行为中的一个范例。

人类学

人与物理世界相互作用的重点将人类学与其他学科区分开来。凭借其对消费者与产品相互作用的关注，营销应该成为该领域的强有力借鉴者。遗憾的是，过去这种情况并未发生。这是由几个因素造成的。人类学本身一直痴迷于更重大的问题，例如轮子对社会的影响或人群之间血型的分布等等。

他们经常在偏远地区的孤立部落中建立他们的实验室，以使他们的研究更具科学性——并从主要兴趣变量中分离出无关因素。这些事情给人类学蒙上了一层神秘的面纱。尽管如此，人类学家和营销人员越来越意识到合作和从相互联系中获益的必要性。

系统动力学和模拟

系统动力学和模拟主要用于模拟复杂的情况。这些方法的工具经过精心调整，可以处理许多变量及其相互作用。消费者行为场景非常接近地满足了这些条件。因此，在消费者行为模型中，人们越来越意识到并使用系统动力学和模拟。这些学科用于开发、测试和改进模型。

分析技术的支持

消费者行为模型总是处理大量的因素。现代消费者行为模型采用各种分析方法来解决这个问题。大多数这些策略可以在数学、统计和运筹学文献中找到。然而，随着先进计算能力的随时可用，这些策略最近发挥了更大的作用。

因此，例如，逐步回归分析和对应分析经常用于发现观测数据中的关键变量及其相关性：为了减少数据并从大量数据中提取本质，应用因子分析和多维尺度技术。消费者经常评估不同的特征及其相关的权衡。联合分析已被证明是实现此类目标的宝贵技术。结构的排序和方向在消费者行为模型中至关重要。图论可以帮助完成这项任务。

消费者行为模型的基本单位

早期的消费者行为模型侧重于单个顾客的行为，尤其关注快速消费的非耐用品。这可能是因为这类模型不需要考虑多人购买同一商品之间的互动。然而，随着家庭、机构和公司在产品购买中重要性的日益提高，必须考虑这些社会单元。因此，越来越多的模型将决策单元扩大到个人之外。其中最普遍的决策单元包括行业（例如，韦伯斯特的“理解组织购买行为的通用模型”）、分销渠道成员和家庭（例如，谢思的“家庭决策模型”）。

结论

具有此目标的模型关注在购买和行为中起着重要作用的众多结构。实现这些目标的数据来源包括市场定义或消费者画像调查。通过识别从这些消费者描述中收集的数据中的特定趋势，公司可以假设目标客户销售额低下的潜在原因。

它需要数据来描述消费者行为的状态及其联系。不出所料，这是最难达到的。原因之一是，实现此目标的信息基础依赖于市场营销和与人类行为预测相关的其他学科的完整知识库。