Research & Evidence

Methode suchen

Titel, Fragen, Gebiete und MSC-Kennungen durchsuchen.

    ← Alle Methoden
    METHODEN-DOSSIERMSC-P-023PreisforschungGeprüftes wissenschaftliches Dossier

    Wie schätzt man eine Nachfragefunktion?

    Eine Nachfragefunktion verbindet Menge, Preis und Kontext im beobachteten Bereich. Form, Heterogenität, Wettbewerb und Endogenität bestimmen die Simulierbarkeit.

    Wissenschaftliche Redaktion: Marketing Science Center

    Direkte Antwort

    Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.

    Eine Nachfragefunktion verbindet Menge, Preis und Kontext im beobachteten Bereich. Form, Heterogenität, Wettbewerb und Endogenität bestimmen die Simulierbarkeit.

    Tellis, 1988Villas-Boas & Winer, 1999

    01

    Operative Zusammenfassung

    Wissenschaftliche Frage und Geltungsbereich

    Wie schätzt man eine Nachfragefunktion?

    Vertretbar

    Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.

    Unzulässig

    Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.

    02

    Drei Leseebenen

    1. 01

      Entscheidungsebene — Ergebnis mit deklarierter Entscheidung, Nutzenschwelle und Fehlerkosten verbinden.

    2. 02

      Praxis — Population, Einheit, Horizont, verfügbare Variablen und Analyseregel vor der Berechnung festlegen.

    3. 03

      Analyse — Berechnung reproduzieren, Unsicherheit quantifizieren und Diagnosen, Fehlschläge sowie Sensitivitäten dokumentieren.

    03

    Konkrete Marketingsituation

    Eine Nachfragefunktion verbindet Menge, Preis und Kontext im beobachteten Bereich. Form, Heterogenität, Wettbewerb und Endogenität bestimmen die Simulierbarkeit.

    04

    Wissenschaftliche Frage und Geltungsbereich

    Wie schätzt man eine Nachfragefunktion?

    Standardmäßig assoziatives Ziel: E[ln(Q)|ln(P),X]. Strukturelles Ziel nur mit separat begründetem Identifikationsdesign: kontrafaktische Nachfrage Q(p)

    Benötigte Daten

    Markt × Produkt × Periode

    Population, Analyseeinheit, Ursprungsdatum und Horizont müssen im Ergebnis deklariert sein. Andernfalls ändert sich der Estimand unbemerkt.

    05

    Warum eine einfache Analyse scheitern kann

    • Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.
    • Assoziatives oder strukturelles Ziel deklarieren
    • Funktionale Form
    • Preisendogenität

    06

    Intuition der Methode

    Die Methode macht aus einer Assoziation nicht automatisch Evidenz. Sie verbindet eine deklarierte Frage mit Estimand, Spezifikation, kompatiblen Daten und begrenzter Interpretationsregel.

    Standardmäßig assoziatives Ziel: E[ln(Q)|ln(P),X]. Strukturelles Ziel nur mit separat begründetem Identifikationsdesign: kontrafaktische Nachfrage Q(p)

    07

    Benötigte Daten

    Wörterbuch wissenschaftlicher Symbole

    P0
    Ausgangspreis je Einheit vor dem Szenario. Einheit: Euro je Einheit · Typ: positive Zahl · Rolle: Eingabe
    P1
    Szenariopreis je Einheit: P0 multipliziert mit dem deklarierten Preisverhältnis. Einheit: Euro je Einheit · Typ: positive Zahl · Rolle: abgeleitet
    Q0
    Ausgangsmenge über den deklarierten Horizont. Einheit: Einheit · Typ: positive Zahl · Rolle: Eingabe
    Q1
    Bedingte Szenariomenge unter der bereitgestellten konstanten Elastizität. Einheit: Einheit · Typ: positive Zahl · Rolle: abgeleitet
    VC
    Variable Kosten je Einheit, in diesem versiegelten Zweig konstant gehalten. Einheit: Euro je Einheit · Typ: nichtnegative Zahl · Rolle: Eingabe
    price_ratio
    Multiplikatives Szenariopreisverhältnis P1/P0. Einheit: Verhältnis · Typ: positive Zahl · Rolle: Eingabe
    elasticity
    Extern bereitgestellte konstante Preiselastizität, nur für den Szenariobereich verwendet. Einheit: dimensionslos · Typ: Zahl · Rolle: Eingabe
    delta_fixed_cost
    Vorzeichenbehaftete Fixkostenänderung; ein negativer Wert ist eine Einsparung und erhöht über das Minuszeichen den Differenzgewinn. Einheit: Euro · Typ: Zahl · Rolle: Eingabe
    delta_profit
    Bedingte Beitragsänderung nach der vorzeichenbehafteten Fixkostenänderung. Einheit: Euro über den deklarierten Horizont · Typ: Zahl · Rolle: Ausgabe

    Exakte versiegelte Engine-Eingaben

    baseline_price_eur
    Wert: 100 · Einheit: EUR_je_Einheit · Typ: Zahl · Datenstatus: synthetisch
    baseline_volume
    Wert: 10000 · Einheit: Einheit · Typ: Zahl · Datenstatus: synthetisch
    variable_cost_eur
    Wert: 55 · Einheit: EUR_je_Einheit · Typ: Zahl · Datenstatus: synthetisch
    fixed_cost_change_eur
    Wert: 0 · Einheit: EUR · Typ: Zahl · Datenstatus: synthetisch
    elasticity
    Wert: -1.3 · Einheit: dimensionslos · Typ: Zahl · Datenstatus: synthetisch
    price_ratio
    Wert: 1.05 · Einheit: Verhältnis · Typ: Zahl · Datenstatus: synthetisch

    08

    Formales Modell

    Formales Modell

    P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

    Belegte Aussagen: MSC-P023-C01 · MSC-P023-C02 · MSC-P023-C03 · MSC-P023-C04 · MSC-P023-C05

    Wissenschaftliche Frage und Geltungsbereich

    Standardmäßig assoziatives Ziel: E[ln(Q)|ln(P),X]. Strukturelles Ziel nur mit separat begründetem Identifikationsdesign: kontrafaktische Nachfrage Q(p)

    09

    Deklarierte Berechnung

    1. 01

      Positive Preise und Mengen, nichtnegative variable Kosten, positives Preisverhältnis und die Vorzeichenkonvention der Fixkosten prüfen.

    2. 02

      Szenariopreis und -menge mit der bereitgestellten Elastizität berechnen, dann Ausgangs- und Szenariobeitrag bestimmen.

    3. 03

      Die vorzeichenbehaftete Fixkostenänderung abziehen und das Ergebnis als bedingtes Szenario kennzeichnen, nicht als Nachfrageschätzung oder kausalen Effekt.

    10

    Zahlenbeispiel oder Anwendungsfall

    Synthetische Illustration — Lehrwerte, nicht beobachtet — synthetische Daten oder deklarierte Parameter; keine realen Beobachtungen

    Versiegelte Eingaben

    • baseline_price_eur=100 [EUR_je_Einheit]
    • baseline_volume=10000 [Einheit]
    • variable_cost_eur=55 [EUR_je_Einheit]
    • fixed_cost_change_eur=0 [EUR]
    • elasticity=-1.3 [dimensionslos]
    • price_ratio=1.05 [Verhältnis]

    Reproduzierbare Ergebnisse

    • Q1=9385.424301
    • conditional_volume_change=-6.1458%
    • incremental_contribution=€19,271.215054

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    11

    Validitätsannahmen

    • Ist die bereitgestellte Elastizität für den genauen Preisbereich und Horizont glaubwürdig?
    • Sind die Vorzeichenkonventionen variabler und fixer Kosten mit Finance abgestimmt?
    • Könnten Kapazität, Wettbewerberreaktion, Substitution oder Endogenität das Szenario mit konstanter Elastizität entkräften?

    12

    Diagnostik und Unsicherheit

    Diagnostik und Unsicherheit

    Assoziatives oder strukturelles Ziel deklarieren · Funktionale Form · Preisendogenität · Residuenstruktur · Beobachteter Szenariobereich

    Begrenzte Diagnose

    Bedingtes Szenario mit bereitgestellter Elastizität; weder Nachfrageschätzung noch kausaler Effekt.

    Expliziter Unsicherheitsvertrag · not_estimable_from_sealed_inputs

    Methode: Explizite Prüfung der Nichtschätzbarkeit anhand des versiegelten Eingabeschemas.

    Ziel: Unsicherheit des inkrementellen Beitrags bei unsicherer Elastizität und unsicheren Kosten.

    Engine-Nachweis: diagnostic=conditional_scenario_using_supplied_elasticity_not_demand_estimation_or_causal_effect

    Interpretation: Es werden weder Stichprobenverteilung noch glaubwürdiger Bereich für Elastizität und Kosten geliefert; das Beispiel ist nur ein bedingtes Punktszenario.

    Stoppen, wenn

    Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.

    13

    Ergebnisinterpretation

    • Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.
    • Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    14

    Vertretbare und unzulässige Schlussfolgerung

    Vertretbar

    Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.

    Unzulässig

    Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.

    15

    Mögliche Marketingentscheidung

    1. 01

      Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.

    2. 02

      Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    16

    Wann einsetzen — wann stoppen

    Einsetzen, wenn

    Datennahe Szenarien mit Intervallen und Diagnosen vergleichen.

    Markt × Produkt × Periode

    Stoppen, wenn

    Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.

    Methodische Alternativen

    • Ein Nachfragemodell mit expliziten Kontrollen der Preisendogenität schätzen.
    • Wo rechtlich und operativ möglich ein randomisiertes Preisexperiment durchführen.
    • Ein reichhaltigeres Nachfragesystem verwenden, wenn Produktsubstitution relevant ist.

    17

    Reproduzierbarkeitsvertrag

    Python und R sind die ausführbaren Referenzen. SPSS und SAS bleiben Sekundärsyntax, bis sie mit denselben Daten, derselben Spezifikation und denselben Diagnosen geprüft sind.

    Die Engine wählt ausschließlich Slice und expliziten Zweig dieser Seite. Hash, Ausgaben und Diagnosen bleiben im atomaren Dossier versiegelt; ein generischer Fallback-Zweig ist unzulässig.

    Slice-Fingerabdruck: 27a93ef2c767497234093d2e6d4cb40930812f450e9b235f978cfa4a11ab6b84

    Formales Modell

    P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    18

    Erwartetes Endergebnis

    1. 01

      Wie schätzt man eine Nachfragefunktion? — Markt × Produkt × Periode

    2. 02

      P0 · P1 · Q0 · Q1 · VC · price_ratio · elasticity · delta_fixed_cost · delta_profit

    3. 03

      P1 = P0 × price_ratio; Q1 = Q0 × price_ratio^elasticity; delta_profit = (P1−VC)Q1 − (P0−VC)Q0 − delta_fixed_cost

    4. 04

      Assoziatives oder strukturelles Ziel deklarieren · Funktionale Form · Preisendogenität · Residuenstruktur · Beobachteter Szenariobereich

    5. 05

      Datennahe Szenarien mit Intervallen und Diagnosen vergleichen. / Stabile Nachfrage über einen unbeobachteten Strukturbruch extrapolieren.

    19

    Wissenschaftliche Quellen und Evidenzstatus

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    1. MSC-P023-C01 — Elastizität ist ein dimensionsloses relatives Reaktionsmaß.
    2. MSC-P023-C02 — Ein Log-Log-Preiskoeffizient kann unter der deklarierten Form als Elastizität interpretiert werden.
    3. MSC-P023-C03 — Ausgelassene Variablen, Querschnittsdesign und Aggregation können Elastizitätsschätzungen verzerren.
    4. MSC-P023-C04 — Der Preis kann mit unbeobachteten Nachfragedeterminanten korreliert sein.
    5. MSC-P023-C05 — Das Ignorieren von Marketing-Mix-Endogenität kann Parameter erheblich verzerren.
    1. Tellis, 1988
    2. Villas-Boas & Winer, 1999

    Methodische Verbindungen

    Übergeordnetes GebietPreisforschung: Preis, Nachfrage und Deckungsbeitrag verbindenErfordertWie behandelt man Preisendogenität?SchätztWie schätzt man Preiselastizität und ihre Unsicherheit?

    Als Nächstes

    MSC-H-003Preisforschung: Preis, Nachfrage und Deckungsbeitrag verbinden→MSC-P-020Wie behandelt man Preisendogenität?→MSC-P-022Wie schätzt man Preiselastizität und ihre Unsicherheit?→MSC-P-024Wie simuliert man ein Preis-Mengen-Margen-Szenario?→