Modelowanie behawioralne oznacza wykorzystanie dostępnych i odpowiednich danych na temat wydatków konsumenckich i biznesowych w celu oszacowania przyszłych zachowań. Modele behawioralne są wykorzystywane przez instytucje finansowe do oszacowania ryzyka związanego z dostarczaniem środków finansowych osobom fizycznym lub firmom, ale są również wykorzystywane w marketingu, reklamie i prognozowaniu sprzedaży. Nowy obszar ekonomii, zwany ekonomią behawioralną, również w dużej mierze opiera się na modelowaniu behawioralnym w celu przewidywania zachowań agentów, które wykraczają poza to, co można by uznać za zachowanie oparte na faktach lub racjonalne.
Rozkładanie modelowania behawioralnego
Instytucje finansowe, takie jak banki i firmy wydające karty kredytowe, stosują modelowanie behawioralne, aby oszacować prawdopodobieństwo korzystania z ich usług przez osoby fizyczne. Na przykład wystawca karty kredytowej zbada rodzaje przedsiębiorstw, w których karta jest zwykle używana, lokalizację sklepów oraz częstotliwość i kwotę każdego zakupu, aby oszacować zarówno przyszłe zachowania zakupowe, jak i prawdopodobieństwo, że posiadacz karty popadnie w spłatę problemy.
Przykład modelowania behawioralnego
Na przykład wystawca karty kredytowej może zauważyć, że w ciągu ostatnich sześciu miesięcy posiadacz karty przestawił się z robienia zakupów w sklepach dyskontowych na sklepy z wyższej półki. Samo w sobie może to oznaczać, że posiadacz karty odnotował wzrost dochodów, lub może oznaczać, że posiadacz karty wydaje więcej, niż może sobie pozwolić. Aby zawęzić opcje i stworzyć dokładniejszy profil ryzyka, wystawca karty przyjrzy się również innym punktom danych, takim jak to, czy posiadacz karty płaci jedynie minimalną płatność, czy też posiadacz karty dokonał opóźnionych płatności. Opóźnienia w płatnościach mogą wskazywać na większe ryzyko niewypłacalności posiadacza karty.
Modelowanie behawioralne jest również wykorzystywane przez detalistów do dokonywania szacunków dotyczących zakupów konsumenckich. Sprzedawca detaliczny może na przykład zbadać rodzaje produktów, które konsument kupuje w sklepie lub w Internecie, a następnie oszacować prawdopodobieństwo, że konsument kupi nowy produkt na podstawie tego, jak jest podobny do poprzednich zakupów. Jest to szczególnie przydatne dla sprzedawców detalicznych, którzy zapewniają programy lojalnościowe dla klientów, które umożliwiają im bardziej szczegółowe śledzenie indywidualnych schematów wydatków. Na przykład, jeśli sklep ustali, że konsumenci, którzy kupują szampon, również kupią mydło, jeśli dostaną kupon, sklep może dostarczyć kupon na mydło w terminalu w punkcie sprzedaży konsumentowi, który kupuje tylko szampon.
