Pemodelan perilaku berarti menggunakan data pengeluaran konsumen dan bisnis yang tersedia dan relevan untuk memperkirakan perilaku di masa depan. Pemodelan perilaku digunakan oleh lembaga keuangan untuk memperkirakan risiko yang terkait dengan penyediaan dana kepada individu atau bisnis tetapi juga digunakan dalam pemasaran, periklanan, dan peramalan penjualan. Sebuah bidang ekonomi baru, yang disebut ekonomi perilaku, juga sangat bergantung pada pemodelan perilaku untuk memprediksi perilaku agen yang berada di luar apa yang akan dianggap sepenuhnya berdasarkan fakta atau perilaku rasional.
Memecah Pemodelan Perilaku
Lembaga keuangan, seperti bank dan perusahaan kartu kredit, menggunakan pemodelan perilaku untuk memperkirakan bagaimana individu cenderung menggunakan layanan mereka. Misalnya, perusahaan kartu kredit akan memeriksa jenis bisnis tempat kartu biasanya digunakan, lokasi toko, dan frekuensi serta jumlah setiap pembelian untuk memperkirakan perilaku pembelian di masa mendatang dan apakah pemegang kartu kemungkinan akan mengalami pelunasan masalah.
Contoh Pemodelan Perilaku
Misalnya, perusahaan kartu kredit mungkin memperhatikan bahwa pemegang kartu telah bergeser dari melakukan pembelian di toko diskon ke toko-toko kelas atas selama enam bulan terakhir. Dengan sendirinya, ini dapat menunjukkan bahwa pemegang kartu telah melihat peningkatan pendapatan, atau bisa berarti bahwa pemegang kartu menghabiskan lebih banyak dari yang dia mampu. Untuk mempersempit opsi dan membuat profil risiko yang lebih akurat, perusahaan kartu juga akan melihat poin data lainnya, seperti apakah pemegang kartu hanya membayar pembayaran minimum atau jika pemegang kartu telah melakukan pembayaran terlambat. Keterlambatan pembayaran dapat menjadi indikator bahwa pemegang kartu berisiko lebih besar mengalami kebangkrutan.
Pemodelan perilaku juga digunakan oleh pengecer untuk membuat perkiraan tentang pembelian konsumen. Seorang pengecer dapat, misalnya, memeriksa jenis-jenis produk yang dibeli oleh konsumen di dalam toko atau online dan kemudian memperkirakan kemungkinan bahwa konsumen akan membeli produk baru berdasarkan seberapa miripnya dengan pembelian sebelumnya. Ini sangat berguna bagi pengecer yang menyediakan program loyalitas pelanggan, yang memungkinkan mereka melacak pola pengeluaran individu dengan lebih terperinci. Misalnya, jika toko menentukan bahwa konsumen yang membeli sampo juga akan membeli sabun jika diberi kupon, toko dapat memberikan kupon untuk sabun di terminal tempat penjualan kepada konsumen yang hanya membeli sampo.
