La conferencia de Sawtooth Software, muy apreciada por su enfoque práctico y orientado a los profesionales, así como por su profundidad en los ámbitos del análisis de elección y conjunto, la segmentación y la recopilación y análisis de datos, volvió este año, y nosotros participamos como ponentes durante los tres primeros días de este evento de cinco días de duración.
Tanto si eres metodólogo como programador de encuestas en general, había muchas sesiones que te habrían interesado. Entre otras sesiones impartidas por expertos en sus respectivos campos, nuestros principales especialistas en metodología internos presentaron un par de sesiones en esta conferencia:
Aunque en muchos de los temas tratados se mencionaron los programas de Sawtooth Software relacionados con los modelos CBC y MBC, estos principios son aplicables a cualquier otro software de modelización de decisiones. Las sesiones se centraron más en cuestiones prácticas y soluciones concretas que en la investigación académica teórica.
Entre los temas tratados se incluyen:
En esta sesión práctica, tú te encargarías en parte de decidir qué enseñamos. Te proporcionamos una amplia selección de temas prácticos, de entre los cuales tú decides cuáles son los más relevantes. Si te cuesta responder a preguntas como:
El análisis conjunto se utiliza a menudo en mercados complejos, con docenas de productos en el mercado. Lo ideal sería reproducir lo mejor posible la complejidad real del mercado en el diseño de la encuesta conjunta, pero eso no siempre es factible. La cuestión clave de esta presentación era comprobar si una forma diferente de elaborar el diseño estadístico puede mejorar la predicción en simuladores con muchas docenas de productos.
Las alternativas correlacionadas incumplen nuestros supuestos estándar de modelización conjunta (IIA). Aunque las utilidades a nivel de encuestado resultan útiles, en ocasiones no son suficientes. Describimos y comparamos varias herramientas para abordar las alternativas correlacionadas. Entre ellas se incluyen el modelo logit anidado completo, el modelo logit de componentes de error y los ajustes a posteriori del simulador.
Descubre cómo una marca de cerveza consolidada optimizó sus decisiones en materia de precios y distribución para impulsar un crecimiento de dos dígitos en un mercado africano.
Cómo los datos sobre las preferencias de los pacientes contribuyeron a demostrar el valor de la prevención de las enfermedades infecciosas más allá de los resultados clínicos.
Un modelo de previsión dinámico ayudó a un cliente del sector sanitario a planificar con mayor seguridad las decisiones relativas al lanzamiento, la fijación de precios y el acceso.
Descubre cómo E.ON Next utilizó los conocimientos sobre el comportamiento para lograr una diferenciación de marca más sólida, más allá del precio.