Endogenous Social Networks : an agent-based model of the formation of the loyalty in markets

Abstract

In den unterschiedlichsten Märkten ist loyales Kundenverhalten gegenüber Verkäufern anzutreffen. Das erste Ziel dieser Diplomarbeit ist es ein agenten-basiertes Modell zu replizieren, welches die Entstehung der Loyalität von Käufern gegenüber Verkäufern erklärt. Mit Hilfe von Reinforcement Learning lernen einerseits sich Käufer loyal zu verhalten und andererseits Verkäufer loyale Kunden bevorzugt zu behandeln. Des Weiteren werden unterschiedlichen Netzwerkstrukturen, sowie Mechanismen zur Modellierung endogener Interaktionen beschrieben und eine Übersicht über agenten-basierte Modellierung gebeben. Als zweites Ziel dieser Arbeit wird anschließend untersucht, wie sich Informationsaustausch zwischen den Käufern auf die Entstehung von Loyalität auswirkt. Zuerst wurde das agenten-basierte Modell über Loyalität in NetLogo implementiert, um die Ergebnisse mit jenen des originalen Modells zu verifizieren. Danach wurde das Modell dahingehend erweitert, dass Käufer nun die Möglichkeit hatten, Information über andere Verkäufer zu verbreiten. Diese Informationen beeinflussen den Prozess der Verkäufer-Auswahl der Käufer. Für die Informationsverbreitung wurden ,temporäre räumliche' soziale Netzwerke eingeführt, welche von den Nachbarn des Käufers innerhalb einer Verkäufer-Warteschlange gebildet werden. Außerdem haben Käufer die Möglichkeit die Wichtigkeit der erhaltenen Informationen zu lernen und entsprechend in ihrem Prozess der Verkäufer-Auswahl zu berücksichtigen. Die Ergebnisse des originalen Modells bezüglich Loyalität konnten erfolgreich repliziert werden. Des Weiteren zeigen die Ergebnisse der Modellerweiterung, dass positive Informationen über andere Verkäufer sich negativ auf die Kundenloyalität auswirken, während negative Informationen keinen Einfluss auf diese haben. Zudem lernten Käufer, dass erhaltene positive Informationen sehr wichtig für den Prozess der Verkäufer-Auswahl sind.<br />

In various markets customers behave loyal to specific sellers.<br />The purpose of this thesis is to replicate an agent-based model that explains the emergence of loyalty between buyers and sellers, where buyers learn to become loyal and sellers learn to offer advantages to loyal buyers. Both, sellers and buyers, use reinforcement learning to adapt their behaviour towards an optimal one for them. Furthermore, different network structures as well as mechanisms for modelling endogenous interactions are described and an overview of agent-based modelling is provided. Finally, this thesis examines how information spread between buyers affects the formation of loyalty. First, the agent-based model about loyalty was implemented in NetLogo to verify its results with the findings of the original model. Afterwards, the model was extended by allowing the buyers to spread and receive information about sellers, which influenced the seller-choosing process of the buyers. Therefore buyers were endowed with 'temporal spatial' social networks, which were formed by their actual neighbours of the sellers queue. Furthermore, buyers had the possibility to learn the importance of received information to incorporate them accordingly into their sellers-choosing process. The replicated model successfully reproduced the outcomes about loyalty. The results of the extended model showed that positive information about other sellers reduced the loyalty, whereas negative information about other sellers had no effects on the emerged level of loyalty. Moreover, buyers learned to put high attention to received positive information.