IA: ¿Amiga o enemiga?
5 consejos para añadir automatización a la investigación de mercados
Estamos orgullosos de estar en el escenario de IIeX 2020 en Europa con nada menos que ¡3 historias innovadoras!
El primer día presentamos con VodafoneZiggo cómo utilizamos la replicación de sitios web para optimizar su cartera en línea. También explicamos cómo combinamos técnicas conjuntas y de series temporales para comprender mejor el impacto en las cuotas de mercado al cambiar o introducir productos. Y el segundo día explicamos cómo utilizamos el análisis de voz para profundizar en el desarrollo de nuevos productos de Johnson & Johnson.
La sobrecarga en línea: Cómo VodafoneZiggo optimizó su cartera con una mejor predicción del comportamiento
En el actual mercado de las telecomunicaciones, altamente competitivo, los consumidores se enfrentan a una abundancia de opciones en línea. Para prosperar en este entorno, la estrategia de la cartera de productos de un operador debe optimizarse en función de cómo está cambiando la toma de decisiones. Necesita saber cómo identifican los clientes el mejor operador y el mejor plan para sus necesidades. Y ahí es donde la información más precisa sobre los clientes y el mercado puede ayudar.
Los profesionales del marketing son conscientes de que las decisiones de compra y las comparaciones de precios se toman a menudo en línea. Sin embargo, comprender y predecir con exactitud cómo los compradores encuentran y eligen productos y servicios en línea ha sido difícil. Este fue el reto al que se enfrentó recientemente VodafoneZiggo para diferenciarse en un mercado cada vez más maduro.
Con el fin de superar estos retos para las empresas que compiten en línea, desarrollamos la nueva solución Filter CBC para replicar un sitio web de comparación de precios. Filter CBC amplía el análisis conjunto tradicional, que analiza el razonamiento de los consumidores a la hora de elegir un producto, ofreciendo variaciones de atributos (por ejemplo, precio, datos, etc.). Sin embargo, se acerca más a la realidad de los encuestados al permitirles ver -y luego filtrar- más de 100 opciones posibles. Esta técnica de investigación ofrece resultados más realistas para obtener información más precisa.
En esta presentación en colaboración entre VodafoneZiggo y SKIM, mostraremos cómo funciona el nuevo enfoque de investigación, cómo puede aplicarse y cómo los resultados han ayudado al éxito empresarial de VodafoneZiggo.
Fecha y hora: Mar, 25 Feb 2020 at 4:00 - 4.20 PM
Presentadores:
"No se puede insistir lo suficiente": Inteligencia artificial por voz para el desarrollo de nuevos productos en Johnson & Johnson
La investigación cualitativa nos permite mirar a través de "los ojos de un consumidor" y comprender las emociones y actitudes que subyacen a las decisiones. Sin embargo, recopilar una muestra sólida de las emociones de los consumidores a gran escala sigue siendo un reto.
Para hacer frente a este reto, SKIM ha innovado un nuevo enfoque híbrido para la investigación NPD en fase inicial. Mediante una herramienta de análisis de voz, podemos analizar "cómo" comunican las personas sus necesidades, actitudes e intereses, para descubrir mejor las emociones implícitas y conseguir estrategias de innovación más eficaces. En colaboración con Johnson & Johnson, realizamos un estudio de caso en un mercado emergente de consumo y salud: la gestión personal del estrés.
Fecha y hora: mié, 26 feb 2020 a las 11:50 - 12.10 PM
Presentador:
Fusión de datos: Conjoint y series temporales
Antes de introducir o cambiar cualquier producto o servicio, las mentes más brillantes de cualquier empresa dedicarán tiempo y esfuerzo a evaluar el impacto de dichos productos o servicios en los beneficios o la cuota de mercado y a comprender las preferencias de los clientes. Aunque las preferencias de los clientes pueden dar información direccional sobre la cuota de mercado, la primera desgraciadamente no es igual a la segunda.
Uno de los métodos para evaluar específicamente las preferencias es el conjoint, que es una técnica de modelización de elección discreta que utiliza tareas de compensación en las que los encuestados revelan sus preferencias hacia los conceptos o productos y los elementos individuales de los mismos eligiendo entre diferentes ofertas de productos. Por otra parte, la previsión tradicional de series temporales puede emplearse para predecir la cuota de mercado utilizando datos de preferencias reveladas como las ventas, la distribución y la promoción.
El problema de utilizar cada método de forma aislada es que no se puede confiar sólo en las preferencias declaradas o sólo en los datos históricos para hacer una predicción precisa sobre las ventas cuando se lanza un nuevo producto o una nueva característica del producto. Nuestro enfoque para resolver este problema consiste en realizar una fusión entre los resultados clave del análisis conjunto y la previsión de series temporales. Este modelo combinado ofrece a las empresas las herramientas necesarias para jugar con todos los factores relevantes en una sola herramienta, al tiempo que dispone de un modelo más estable basado en las preferencias actuales y los datos históricos. En mi presentación mostraré qué técnicas se utilizan y qué consideraciones hay que tener en cuenta a la hora de fusionar ambos mundos.
Fecha y hora: Mar, 25 Feb 2020 a las 12:00 - 12.20 PM
Presentador:
