Die Sawtooth Software-Konferenz, die für ihren praktischen, praxisorientierten Ansatz und ihre fundierten Inhalte in den Bereichen Wahl-/Conjoint-Analyse, Segmentierung sowie Datenerhebung und -analyse bekannt ist, fand auch in diesem Jahr wieder statt, und wir hielten an den ersten drei Tagen dieser fünftägigen Veranstaltung Vorträge.
Ganz gleich, ob Sie Methodiker oder allgemeiner Umfrageprogrammierer sind – es gab zahlreiche Vorträge, die für Sie von Interesse gewesen wären. Neben anderen Vorträgen, die von Experten auf ihren jeweiligen Gebieten gehalten wurden, haben auch unsere hauseigenen Methodik-Koryphäen auf dieser Konferenz einige Vorträge gehalten:
Zwar wurden in vielen Beiträgen die CBC- und MBC-bezogenen Programme von Sawtooth Software erwähnt, doch lassen sich die Prinzipien auf jede andere Software zur Entscheidungsmodellierung übertragen. In den Vorträgen standen praktische Fragestellungen und Lösungen stärker im Vordergrund als theoretische akademische Forschung.
Zu den Themen gehören:
In dieser praktischen Einheit würden Sie teilweise selbst bestimmen, was wir vermitteln. Wir haben Ihnen eine große Auswahl an praktischen Themen zur Verfügung gestellt, aus denen Sie entscheiden, welche am relevantesten sind. Wenn Sie sich mit Fragen wie den folgenden schwer tun:
Die Conjoint-Analyse wird häufig für komplexe Märkte mit Dutzenden von Produkten eingesetzt. Im Idealfall würden wir die bestehende Komplexität des Marktes bei der Konzeption der Conjoint-Umfrage so gut wie möglich nachbilden, doch dies ist nicht immer machbar. Die zentrale Frage in diesem Vortrag war, ob eine andere Art der Erstellung des statistischen Designs die Vorhersage für Simulatoren mit vielen Dutzenden von Produkten verbessern kann.
Korrelierte Alternativen verstoßen gegen unsere Standardannahmen für die Conjoint-Modellierung (IIA). Zwar sind Nutzenwerte auf Befragtenebene hilfreich, doch reicht dies manchmal nicht aus. Wir beschreiben und vergleichen verschiedene Verfahren zum Umgang mit korrelierten Alternativen. Dazu gehören das vollständige Nested-Logit-Modell, das Error-Components-Logit-Modell sowie nachträgliche Anpassungen im Simulator.
Erfahren Sie, wie eine etablierte Biermarke ihre Preis- und Vertriebsstrategien optimierte, um auf einem afrikanischen Markt ein zweistelliges Wachstum zu erzielen.
Wie Erkenntnisse über Patientenpräferenzen dazu beitrugen, den Wert der Prävention von Infektionskrankheiten über die klinischen Ergebnisse hinaus aufzuzeigen.
Ein dynamisches Prognosemodell half einem Kunden aus dem Gesundheitswesen dabei, Entscheidungen hinsichtlich Markteinführung, Preisgestaltung und Marktzugang mit größerer Sicherheit zu treffen.
Erfahren Sie, wie E.ON Next mithilfe von Erkenntnissen aus der Verhaltensforschung eine stärkere Markendifferenzierung jenseits des Preises erreicht hat.