Het voorspellen van consumentenkeuze: een vergelijking van een statistische methode en machine learning technieken

Voor bedrijven is het cruciaal dat consumentenkeuze nauwkeurig wordt voorspeld. Op deze manier kunnen bedrijven marketing variabelen, zoals de prijs, op zo’n manier aanpassen dat de winstgevendheid stijgt. Al jaren is het Multinomiale Logit model het meest gebruikte model in het modelleren van consumentenkeuze. De laatste jaren is er een groeiende interesse ontstaan in het gebruik van machine learning technieken om consumentenkeuze te voorspellen. In dit onderzoek worden het Multinomiale Logit model en de machine learning technieken Feedforward Neural Network, CART, Bagging, Boosting en Random Forest met elkaar vergeleken. De prestatie van de methoden wordt vergeleken op basis van voorspelnauwkeurigheid en interpretatie. Hiervoor zijn twee datasets gebruikt, deze bevatten gegevens over de aankoopgeschiedenis van de productcategorieën ketchup en cracker. Voor deze datasets is gevonden dat Random Forest en CART de beste prestatie opleveren en dat Boosting en Feedforward Neural Network de minste voorkeur hebben. i