PL EN


2018 | 3 (374) | 380-394
Article title

Wieloagentowy model symulacyjny zachowań konsumentów na rynku wód mineralnych

Content
Title variants
EN
Multi-Agent Based Simulation Model of Consumer Behaviour in the Mineral Water Market
RU
Многоагентная имитационная модель поведения потребителей на рынке минеральных вод
Languages of publication
Abstracts
PL
Analiza zachowań konsumenta jest jednym z podstawowych nurtów badań marketingowych. Złożony charakter otoczenia i kontekstowość zachowania konsumenta wymuszają zarówno interdyscyplinarny charakter analiz, jak również konieczność przyjęcia określonych założeń teoretycznych w procesie poznawczym. Badacze stosują różne metody modelowania zachowań konsumentów. Jednak w często stosowanych metodach nie są brane pod uwagę niektóre czynniki, a metody są mało precyzyjne. Stąd propozycja zastosowania w badaniach zachowań konsumentów modelowania i symulacji wieloagentowej. W artykule omówiono symulację wieloagentową oraz wybrane metody gromadzenia danych niezbędnych do budowy modelu i przeprowadzenia eksperymentów symulacyjnych. Celem przeprowadzonego badania była budowa wieloagentowego modelu symulacyjnego zachowań konsumentów na rynku wód mineralnych. Opracowanie komputerowego modelu symulacyjnego do opisu zachowania konsumentów pozwala bowiem na jednoczesną analizę wielu czynników oraz poznanie ich wzajemnych interakcji. Identyfikacja czynników, które w najsilniejszy sposób wpływają na decyzje zakupowe może ułatwić i przyspieszyć podejmowanie właściwych decyzji przez osoby odpowiedzialne za tworzenie planów marketingowych w firmach. Artykuł ma charakter empiryczny i poznawczy.
EN
The consumer behaviour analysis is one of mainstreams of marketing research. The complex character of the market environment and consumer behaviour enforces an interdisciplinary character of analyses and the necessity of making specific theoretical assumptions in the cognitive process. Researchers apply many methods of modelling consumer behaviour; however, the applied methods do not take many factors into consideration or are not precise enough. Hence, the proposition of applying the multi-agent based simulation in consumer behaviour research. The paper presents the multi-agent based modelling and simulation (MABS) and the selected methods of gathering empirical data necessary for building a model and conducting simulation experiments. The aim of the research was to build a simulation model of consumer behaviour in the mineral water market. Development of the computer simulation model used to describe consumer behaviour allows a simultaneous analysis of many factors and their interactions. The identification of the factors, which in the strongest way influence purchase decisions, can facilitate and precipitate taking the right decisions by marketers responsible for creating marketing plans in companies. The article is an original research article.
RU
Анализ поведения потребителя – одно из основных течений в маркетинговых исследованиях. Сложный характер среды и контекстность поведения потребителя вымогают как интердисциплинарный характер анализов, так и необходимость принятия определенных теоретических предпосылок в познавательном процессе. Исследователи применяют разные методы моделирования поведения потребителей. Однако в часто применяемых методах не учитываются некоторые факторы, а методы недостаточно точны. Отсюда вытекает предложение применить в изучении поведения потребителей многоагентные моделирование и имитацию. В статье обсудили многоагентную имитацию и избранные методы сбора данных, необходимых для построения модели и проведения имитационных экспериментов. Цель проведенного изучения заключалась в построении многоагентной имитационной модели для описания поведения потребителей на рынке минеральных вод, ибо разработка компьютерной имитационной модели для описания поведения потребителей позволяет провести однозначный анализ многих факторов и узнать их взаим- ные интеракции. Выявление факторов, которые сильнее всего влияют на решения о покупке, может облегчить и ускорить принятие правильных решений лицами, отвечающими за создание маркетинговых планов в фирмах. Статья имеет эмпирический и познавательный характер.
Year
Issue
Pages
380-394
Physical description
Contributors
References
  • Borshchev A. (2013), The Big Book of Simulation Modeling. Multimetod Modeling with AnyLogic, AnyLogic North America.
  • Davidson R. J. (2004), What does the prefrontal cortex “do” in affect: perspectives on frontal EEG asymmetry research, “Biological Psychology”, No. 67(1-2).
  • Dostatni E. (2010), Zastosowanie technologii agentowej w ostatnich fazach cyklu życia wyrobu, (w:) Knosala R. (red.), Komputerowo Zintegrowane Zarządzanie, Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją, Opole.
  • Główny Inspektorat Sanitarny (2011), Informacja w sprawie produkcji i obrotu naturalnych wód mineralnych, wód źródlanych i wód stołowych, Warszawa.
  • Klimesch W. (1999), EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis, “Brain Research. Brain Research Reviews”, No. 9(2-3).
  • KPMG (2016), Rynek napojów bezalkoholowych w Polsce, KPMG Sp. z o.o., Warszawa.
  • Łodziana-Grabowska J. (2015), Marketingowe determinanty zachowań rynkowych konsumentów w Polsce, CeDeWu, Warszawa.
  • Macal Ch.M., North M.J. (2010), Tutorial on agent-based modeling and simulation, “Journal of Simulation”, No. 4.
  • Maciąg A., Pietroń R., Kukla S. (2013), Prognozowanie i symulacja w przedsiębiorstwie, PWE, Warszawa.
  • Siebers P. O., Aickelin U. (2008), Introduction to multi-agent simulation, (w:) Adam F., Humphreys P.
  • (Eds.) Encyclopedia of decision making and decision suppport technologies, Idea Group Publishing, Pennsylvania.
  • Werkle-Bergner M., Muller V., Li S. C., Lindenberger U. (2006), Cortical EEG correlates of successful memory encoding: implications for lifespan comparisons, “Neuroscience and Biobehavioral Reviews”, No. 30(6).
  • Wooldridge M., Jennings N.R. (1995), Intelligent agents: theory and practice, „The Knowledge Engineering Review”, No. 10.
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-2c9031e2-bd03-4940-ac86-f86b04264a51
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.