Präferenzbasiertes Conjoint und Empirical Bayes auf dem ART Forum 2017

Am 27. und 28. Juni präsentierten wir zwei verschiedene Themen zu präferenzbasiertem Conjoint und Iterative Multilevel Empirical Bayes (IMEB) auf dem viertägigen 2017 Advanced Research Techniques (ART) Forum der American Marketing Association (AMA).

Von Datenwissenschaftlern über Marketingfachleute bis hin zu Akademikern - das ART Forum ist eine Veranstaltung, auf der Sie ein Netzwerk von Kollegen finden, die sich ernsthaft mit der Entwicklung von Tools beschäftigen, die die nächste Generation von Problemen im Bereich Marketing lösen können.

Unser Direktor Methodik und Innovation EU, Jeroen Hardon, und Forschungsdirektor Marco Hoogerbrugge präsentierten ein Thema zum Thema "Präferenzbasiertes Conjoint: Kann es Dutzende von Produkten vorhersagen?". Die zweite Präsentation wurde von Kevin Lattery, unserem Vizepräsidenten für Methodik und Innovation, zum Thema "Iterative Multilevel Empirical Bayes (IMEB): Eine effiziente, flexible und robuste Lösung für Conjoint in großem Maßstab".

Einblicke aus "Präferenzbasiertes Conjoint: Kann es Dutzende von Produkten vorhersagen?"

Vortragende: Jeroen Hardon und Marco Hoogerbrugge

https://www.slideshare.net/SKIMgroup/big-simulators-with-dozens-of-products-which-conjoint-method-is-most-suitable-at-art-forum-2017

Die Conjoint-Analyse wird häufig für sehr komplexe Märkte mit einer großen Anzahl von Merkmalen und Produkten auf dem Markt verwendet. Idealerweise würden wir die Komplexität des Marktes, die in der Realität existiert, so gut wie möglich im Design der Conjoint-Umfrage nachbilden.

Obwohl wir in der Vergangenheit bereits bewiesen haben, dass mehr Realität die Vorhersagen verbessert, ist dies nicht immer machbar. Vor allem, wenn es viele Attribute gibt, können wir nicht zu viele Konzepte in einer einzigen Aufgabe zeigen, da dies zu einer Informationsüberlastung für den Befragten führen würde.

Die Schlüsselfrage in dieser Präsentation war zu prüfen, inwieweit die Diskrepanz zwischen der Anzahl der Konzepte in einer Aufgabe (3 oder 4) und der Anzahl der Produkte im Conjoint-Simulationsmodell (20 oder 50) die Ergebnisse der Studie beeinflussen kann, indem CBC, ACBC und PBC (preference based conjoint) verglichen werden.

Einblicke aus "Iterative Multilevel Empirical Bayes (IMEB): Eine effiziente, flexible und robuste Lösung für Large Scale Conjoint"

Vortragende: Kevin Lattery

https://www.slideshare.net/SKIMgroup/iterative-multilevel-empirical-bayes-imeb-an-efficient-flexible-and-robust-solution-for-large-scale-conjoint

Der typische Ansatz für die Conjoint-Analyse verwendet Hierarchical Bayes mit Gibbs Sampling zur Integration über eine multivariate Normalverteilung der oberen Ebene. Dies funktioniert gut bei kleinen bis mittelgroßen Daten, kann aber bei vielen Parametern unangemessen oder unpraktisch sein.

Wir haben einen Ansatz beschrieben, bei dem der Prior der oberen Ebene auf der Grundlage der Daten (also Empirical Bayes) und der Kreuzvalidierung eines Skalenparameters festgelegt wird. Dieser feste Prior macht MCMC-Iterationen überflüssig und ist damit viel schneller als die Standard-HB. Der Empirical Bayes-Ansatz vermeidet auch Probleme mit unzureichender Konvergenz und falscher Skalierung, die bei MCMC auftreten können.

Wir haben auch einige der zusätzlichen Flexibilitäten dieses Ansatzes beschrieben, einschließlich der Anpassung auf der Ebene der Befragten und der Möglichkeit, die Versorgungsleistungen für zusätzliche Befragte einfach zu schätzen.