Conferencia de Sawtooth Software 2019

Como empresa puntera en el ámbito de la modelización de elecciones y socio preferente de Sawtooth Software, líder mundial en software de análisis conjunto, nos enorgullece impartir dos tutoriales prácticos y presentar tres ponencias inspiradoras sobre innovaciones en el análisis conjunto, la fusión de datos y la calidad de los datos en la Conferencia de Sawtooth Software 2019, que se celebrará en San Diego, California:

Tutoriales previos a la conferencia

Cómo llevar a cabo un proyecto conjunto de principio a fin – Nivel intermedio

Lunes, 23 de septiembre | 8:00 – 12:00
Remco Don, director
Jeroen Hardon, vicepresidente y director de la sede de Hoboken

Aunque la teoría del análisis conjunto es muy importante y se debate ampliamente en la Conferencia Sawtooth, en este taller queremos adoptar un enfoque práctico y guiaros a lo largo de todo un estudio CBC. Repasaremos cada uno de los pasos, incluyendo la recodificación de datos, los recuentos, el modelo Logit, las clases latentes y el modelo HB. Durante cada uno de estos pasos, os daremos consejos y trucos para sacar el máximo partido a vuestros datos. ¿Cómo se modelan los datos, cómo se interpretan los resultados y cuáles son los aspectos clave a tener en cuenta? Todo ello se tratará a partir de un conjunto de datos reales utilizando el software Lighthouse.

Soluciones conjuntas experimentales – Nivel avanzado

Lunes, 23 de septiembre | 13:00 – 17:00
Jeroen Hardon, vicepresidente y director de la sede de Hoboken
Kevin Lattery, vicepresidente de Metodología e Innovación

A veces, los estándares no bastan para responder a las preguntas de investigación que se plantean y hay que salirse de los caminos más transitados. Los formadores desean contar con tu participación en este taller de 4 horas sobre aplicaciones avanzadas de CBC y MaxDiff. Se tratarán varias extensiones interesantes y estimulantes del modelo de elección, entre las que se incluyen:

• Técnicas de diseño personalizado que combinan Lighthouse y Excel, y análisis de las implicaciones de estas personalizaciones
• Se muestran diferentes métodos de codificación para agilizar el procesamiento
• Combinación de varios estudios MaxDiff en una única estimación de clases latentes
• Combinación de MaxDiff y CBC: diferentes formas de aumento de datos
• Soluciones provisionales para el problema del autobús rojo y el autobús azul

Sesiones de la conferencia

¿Podemos utilizar el RLH para evaluar la calidad de los encuestados?

Miércoles, 25 de septiembre | 14:15 – 15:00
Marco Hoogerbrugge, director de investigación

En los estudios de análisis conjunto (CBC), la verosimilitud raíz (RLH) se utiliza a menudo como indicador suficiente de la calidad de los datos conjuntos. En la presentación analizaremos por qué esto no es suficiente, expondremos un procedimiento mejorado para evaluar la calidad de los datos conjuntos (desde un punto de vista conceptual) y compararemos diferentes variantes del nuevo procedimiento.

Combinación de los modelos CBC y de elección dinámica para obtener previsiones más precisas

Jueves, 26 de septiembre | 14:30 – 15:00
Faina Shmulyian, responsable de metodología

En categorías como la tecnología y la innovación, los viajes o los artículos de lujo, los consumidores suelen dedicar una cantidad considerable de tiempo a valorar los productos u ofertas antes de tomar una decisión de compra. Durante este tiempo, las preferencias de los consumidores pueden verse influidas por la publicidad, las redes sociales, los procesos socioeconómicos o el círculo familiar y de amigos. Describiremos y analizaremos un enfoque que combina un análisis conjunto basado en la elección estándar con el modelado dinámico de la elección, lo que permite ajustar los efectos externos y da lugar a unas previsiones más precisas.

Fusión de datos: una plantilla HB flexible para modelar estructuras en múltiples conjuntos de datos

Jueves, 26 de septiembre | 15:30 – 16:15
Kevin Lattery, vicepresidente de Metodología e Innovación

La fusión de datos analiza múltiples conjuntos de datos en relación entre sí. Describimos tres enfoques analíticos generales para la fusión de datos: multietapa, apilamiento/aumentación de datos y modelización estructurada. Estos enfoques pueden utilizarse de forma independiente o conjunta en diversos contextos de fusión de datos. Entre estos contextos se incluyen aplicaciones comunes como «Anchored MaxDiff», «Dual Response None» y ACBC. Describimos el apilamiento de datos en estas aplicaciones comunes y ofrecemos un modelo estructurado alternativo que utiliza una plantilla bayesiana jerárquica flexible.