DAS BRAUCHT KEINSCHWEIN

ADAPTION VON INNOVATIONENVon / Dr. Volker Göbbels @VolkerGoebbels

WORUM GEHTS?WOW, IST DAS COOL!!11elf

Das braucht doch kein Mensch.

Und wozu das gut sein soll, weiß ich auch nicht!

GRUNDLAGE: SOZIOLOGIE

Soziologie erforscht alle Aspekte dessozialen Zusammenlebens der Menschen in

Gemeinschaften und GesellschaftenQuelle: Internet

EVERETT ROGERS

DIFFUSION OF INNOVATIONS, 1962

100

75

50

25

0

Market share %

Innovators2.5 %

EarlyAdopters13.5 %

Early Majority34 %

LateMajority34 %

Laggards16 %

HENRIK VEJLGAARDANATOMY OF A TREND, 2007

MARKETING: MOORECROSSING THE CHASM

KLASSIFIZIERUNG VON

INNOVATIONEN

Ablauf der Innovation: kontinuierlich vs. disruptivEbenen der Entscheidung: kaufmännisch vs. kulturellErwartungen der Akteure: Visionäre vs. Pragmatiker

Schade: fast nie "reine" Formen!

MECHANISMUS DER ADAPTIONKLASSISCHER ANSATZ

Einzelpersonen entscheiden sich unabhängigEntscheidung nach Abwägung der Vor- und Nachteilecost-of-change

DISRUPTIVE INNOVATIONEN

MARKETING: GEOFFREY MOORE ↝

Änderung der Kommunikation an der Lücke:Links/Vorher (Visionäre): Coolness und PotentialRechts/Nachher (Pragmatiker): Narrative überpraktischen Einsatz

Zielmärkte definierenEin Segment als Sprungbrett für das nächste

MECHANISMUS DER ADAPTIONKRITIK AN DER KONTINUIERLICHEN THEORIE

Der unabhängige Entscheidungsprozeß kann niemals zueiner "S-Kurve" führenEs entstehen "R-Kurven"Kombination zweier Mechanismen erzeugt eine S-Kurve:

individuelle cost-of-change/benefit-Abwägung"biased transmission"

WOZU DAS ALLES?

Technische Innovationen wie Wearables sind disruptivDas Verhalten mancher Menschen wirkt auf anderesonderbar. Warum?Wie kann man verstehen, wie disruptive Innovationeneine Population erobern oder eben nicht?Kann man das Verständnis der Vorgänge nutzen?

WAS HAT DAS MIT IT ZU TUN?

Beobachten, was passiertModelle für Mechanismen werden abgeleitetWie überprüft man so ein Modell?

Man simuliert es! Laßt die Soziologen nicht damit alleine!

SIMULATION DURCH ZELLULÄREAUTOMATEN

ROBERT AXELROD, 1997

Robert Axelrod entwickelte 1997 ein System, bestehend auseinem Netz zellulärer Automaten, die eine Popuplation

simulieren. Jedes Individuum hat dabei einen SatzEigenschaften (Features), ausgedrückt als Tupel/Vektor vonZahlen. Durch Interaktion übernehmen Individuen Features

ihrer Nachbarn.

AXELROD MODELLALGORITHMUS

1. Lege ein Feld aus Individuen (z.B. 50×50) an

2. Wähle eines per Zufall aus

3. Wähle einen zufälligen Nachbarn (N,S,O,W)

4. Bestimme ihre Ähnlichkeit, daraus die Wahrscheinlichkeit

einer Interaktion

5. Falls wahrscheinlich: übernehme ein zufälliges Feature

des Nachbarn

6. Zurück zu 2. so oft man möchte

AXELROD MODELLMÖGLICHE ENDZUSTÄNDE

Komplette Homogenität, alle Individuen sind gleich

Wenige große Flächen, sog. cultural domains

Komplettes Chaos

AXELROD MODELL

Größe: 30×30, Anzahl Features: 3, max. Wert: 6, Threshold: 0,1, 100.000 Iterationen

Built with p5.js

AXELROD MODEL

VARIATIONEN

Abstoßung bei wenig Übereinstimmung: ein Feature, daßbeide Individuen gemeinsam haben, wird geändertZusätzlicher Einfluß:

Massenmediensoziale Netzebiased transmissionlong-range Wechselwirkung (Small World Model, JonKleinberg)

DAS ENDE IST NAH!!

Credits go to:

reveal.js für das Javascript Slide Framework Farbpaletteneditor

für die JavaScript Version von Processing für Processing (indirekt)

http://paletton.comhttp://p5js.orghttps://processing.org

LITERATUREverett Rogers, "Diffusion of innovations", 1962

Henrik Vejlgaard, "Anatomy of a trend", 2007

Martin Raymond, "The Trend Forecaster's Handbook",

2010

Robert Axelrod, "The Dissemination of Culture", J. Confl.

Res., Vol. 41 Nr. 2, 1997

Joseph Henrich, "Cultural Transmission and the Diffusion

of Innovations", Am. Anthropologist 2001, 103(4) 992-1013

Scott Ambler, "Crossing the Chasm", Dr. Dobbs Journal

Geoffrey Moore, "Crossing the Chasm", 1991