Neuronale Netze zur Einkommensschätzung

Zusammenfassung

Künstliche Neuronale Netze ermöglichen die Vorhersage unbekannter Größen auf der Grundlage von Beobachtungsdaten und eignen sich daher als Instrument im Marketing-Management. Quantitative Analysen von Erhebungsdaten dienen schon seit vielen Jahrzehnten zur Einschätzung von Absatzchancen in der Marktforschung. Bei der Gruppierung potentieller Käuferschichten zu Marktsegmenten beispielsweise wird auf Clusteranalyse und andere multivariate statistische Verfahren zurückgegriffen (siehe Berekoven et al. 1986). Als Gruppierungskriterien gelten sozioökonomische, demographische und psychographische Merkmale, deren struktureller Zusammenhang allerdings nur selten bekannt ist. Wenn funktionelle Abhängigkeiten zwischen solchen Merkmalen definiert sind, lassen sich durch entsprechende Vorhersagemodelle Kosten für die Marktforschung reduzieren. Eine Modellierung komplexer Zusammenhänge in Form linearer Strukturgleichungen, wie es in den Sozialwissenschaften bisweilen versucht wird (vgl. Blau & Duncan 1967, Duncan 1966, 1975), erfordert jedoch einen hohen Kenntnisstand in soziologischer Theorie und ist nur schwer für praktische Belange des Marketings zu nutzen. Neuronale Netze gehören demgegenüber zu einem breiten Spektrum von Data Mining-Verfahren, die sich ohne Kenntnis struktureller Zusammenhänge bei Klassifikation und Prognose marktrelevanter Merkmale einsetzen lassen.