Preference-Based-Recommender-Systeme: Individuelle neuronale Präferenzmodellierung am Beispiel von Investmentfonds

Die Vorlieben der Kunden zu kennen zählt zu den wichtigsten Voraussetzungen für eine erfolgreiche Produktpolitik, und ihre Messung ist ein zentrales Thema der Marketingforschung.

Tobias Schneider stellt einen neuen Typus von Recommender-Systemen vor, der auf der Modellierung von Präferenzen in experimentellen Designs beruht und bei dem neuronale Netze als neue, flexible Methode der Präferenzmodellierung fungieren. In einer Beispielapplikation untersucht er die Eignung seines Ansatzes als Empfehlungssystem für Investmentfonds, wobei die Rendite-Risiko-Trade-Offs von Kapitalanlegern im Vordergrund stehen. Die Ergebnisse erlauben eine trennscharfe Segmentierung der Anleger und geben wichtige Hinweise zur Gestaltung des Marketing-Mix für Investmentfonds. Darüber hinaus werden weitere interessante Aspekte deutlich, z.B. der Zusammenhang zwischen den ermittelten Präferenzen und der Entwicklung auf den Kapitalmärkten.