Senior Researcher

Holger Dietrich

Modelling Consumer Preferences / Advanced Statistics and Method Development

Holger Dietrich ist es wichtig, wissenschaftliche Erkenntnisse in der Praxis anzuwenden. Besonders schätzt er es, wenn es möglich ist, neue Erkenntnisse aus verschiedenen Disziplinen zu nutzen, um Märkte besser zu verstehen. Als Diplom-Statistiker nutzt er alle Arten von Modellen und Methoden, um neue Erkenntnisse aus Daten zu ziehen. In seinen Forschungsprojekten kooperiert er mit akademischen Partnern und Praxispartnern. Er führte viele Projekte durch zur Modellierung des Konsumenten-Verhaltens in verschiedenen Anwendungsgebieten und mit verschiedenen Typen von Daten; z.B. die Entwicklung einer neuen Conjoint-Methode oder Marketing-Mix-Modelle. Nach dem Studium der Statistik an der LMU München begann er seine Karriere in der Methoden- und Produkt-Entwicklung der GfK AG, war Leiter der Grundlagenforschung des GfK Vereins und arbeitet nun in den beiden Forschungsgruppen Data Science und Future & Trends des Nürnberg Instituts für Marktentscheidungen.

    Aktuelle Schwerpunkte

    • Quantum Probability
    • Optimizing decision processes
    • Virtual reality
    • Augmented reality

    Vergangene Projekte

    Stationen in Beruf und Ausbildung

    • Nürnberg Institut für Marktentscheidungen, Data Science und Future & Trends
    • GfK Verein, Grundlagenforschung
    • GfK AG, Methoden- und Produktentwicklung
    • Studium der Statistik an der LMU München

    Ausgewählte Publikationen

    • Buder, F., Dieckmann, A., Manewitsch, V., Dietrich, H., Wiertz, C., Banerjee, A., Acar, O. A., & Ghosh, A. (2020). Adoption Rates for Contact Tracing App Configurations in Germany. NIM Research Report.
    • Meißner, M., Pfeiffer, J., Peukert, C., Dietrich, H., & Pfeiffer, T. (2020). How virtual reality affects consumer choice. Journal of Business Research, 117, 219–231.
    • Hahne, M., Dietrich, H., Dieckmann, A., Gaspar, C., Hofmann, J., Wildner, R., & Brand, M. (2012). Buying decisions: How does objective consumer expertise influence the use of recommendations and product attributes as decision support? In A. Bröder, E. Erdfelder, B. E. Hilbig, T. Meiser, R. F. Pohl, & D. Stahlberg (Hrsg.), TeaP 2012 Abstracts (S. 282). Lengerich: Pabst.
    • Dieckmann, A., Dippold, K., & Dietrich, H. Compensatory versus noncompensatory models for predicting consumer preferences. Judgment and Decision Making 4.3 (2009): 200–213.
    • Wildner, R., Dietrich, H., & Hölscher, A. HILCA: A NEW CONJOINT PROCEDURE FOR AN IMPROVED PORTRAYAL OF PURCHASE DECISIONS ON COMPLEX PRODUCTS Yearbook of Marketing and Consumer Research, 2007 S. 5–20.