Software Sawtooth: Exploración de las últimas metodologías de investigación y advanced analytics

¿Quiere hacer un gran avance en las ciencias del marketing?

La Conferencia de Sawtooth Software reúne a profesionales de la investigación y el análisis para profundizar sus conocimientos y obtener formación práctica sobre las últimas metodologías de análisis conjunto. Como socio de Sawtooth Software desde hace mucho tiempo, un equipo de SKIMmers compartirá una vez más nuestra experiencia en modelado de elecciones con compañeros del sector en Orlando.

Nuestros expertos en métodos y análisis de EE.UU. y Europa presentarán diversas ponencias técnicas, talleres y tutoriales sobre diversos temas relacionados con los modelos de elección. No deje de asistir a nuestras sesiones o charlar con nosotros para informarse sobre interesantes oportunidades profesionales.

Profundice sus conocimientos de analítica: Únase SKIM presentaciones de expertos

Soluciones prácticas conjuntas

Co-Clustering con covariables: Máxima información, mínimo esfuerzo y, con covariables, aún más procesable.

El agrupamiento conjunto es la agrupación simultánea de filas y columnas de datos. Por ejemplo, cuando se utiliza para preguntas de valoración, o puntuaciones MaxDiff, proporciona una excelente visión de la heterogeneidad subyacente de estos datos: qué encuestados son similares y qué ítems son similares. La adición de covariables en el proceso -¡tanto para los encuestados como para las variables! - añade otro nivel de información. Este artículo mostrará diferentes formas de visualizar los datos agrupados conjuntamente y explicará la heurística sobre cómo realizar el agrupamiento conjunto con covariables.

Innovación a través de ideas pragmáticas y accesibles para PayPal

PayPal y SKIM Recientemente, hemos desarrollado un enfoque pragmático para aislar los factores conductuales que impulsan la experiencia de compra del consumidor en la etapa de pago digital entre los comerciantes en línea. Innovamos en la experiencia de diseño de encuestas simulando la experiencia de pago y combinando análisis conjuntos y no conjuntos. Además, traducimos las respuestas a recomendaciones comerciales prácticas que también eran accesibles para el público no técnico. Esta innovación elevó el flujo de trabajo de pago a la categoría de prioridad estratégica en PayPal y la adopción de estas recomendaciones en la hoja de ruta de productos, marketing y ventas.

¿Estamos sobreajustando nuestros modelos con la forma en que estimamos nuestros parámetros de precios?

Los estudios de precios complicados pueden acabar con muchos niveles de precio por partes. En conferencias recientes, se recomienda una función a trozos que utilice de 2 a 6 puntos de ruptura (aparte de los puntos finales) y se ha considerado que entre 12 y 20 puntos de ruptura son potencialmente útiles. Nos gustaría investigar si una docena o más de puntos de ruptura suponen un ajuste excesivo y estamos mejor con un enfoque más parsimonioso. Esta investigación también probará si sería mejor tener múltiples efectos de precio más simples. Se utilizarán como criterios de prueba el RLH, la tasa de acierto de los holdouts y el porcentaje de efectos que no necesitan ser limitados.

Muestreo de Thompson en CBC multiatributo

A menudo, nos encontramos con el problema de que sólo podemos probar un número determinado de niveles por atributo para asegurarnos de que la estimación sigue siendo sólida. Sin embargo, en los estudios de CBC hay situaciones en las que queremos probar muchos más niveles y sólo queremos averiguar cuáles son los mejores niveles y combinaciones de niveles. Al emplear el muestreo de Thompson, seleccionamos los productos preferidos para sobremuestrear a cada nuevo encuestado.

Conjunción volumétrica y el papel del tamaño del surtido

Predecir el volumen de lanzamiento de un nuevo producto es una tarea que muchos investigadores han realizado al menos una vez. Existe una gran variedad de metodologías para llevar a cabo la tarea, que se agrupan en tres familias: pruebas reales, benchmarking y réplica de entornos de mercado. En este artículo, mostramos los pros y los contras de cada una de ellas y explicamos un enfoque que supera algunas de las limitaciones de estos métodos utilizándolos de forma combinada.

Modelización autorregresiva vectorial de datos longitudinales de ventas mediante poblaciones simuladas informadas por experimentos conjuntos

La autoregresión vectorial (VAR) se utiliza a menudo para modelizar las ventas de artículos P a lo largo del tiempo. La VAR pronostica las ventas en el momento tnuevo utilizando las ventas anteriores en tlag, junto con atributos que explican esos cambios como el precio, la distribución y la tendencia. También modelamos el abastecimiento correlacionado entre artículos P utilizando una población simulada ~ Multivariate normal(α_lag, ∑). Mostramos cómo utilizar los experimentos conjuntos para informar ∑ y cómo esto mejora significativamente las predicciones frente al modelado ∑ a partir de los datos de ventas únicamente.

¿Listo para afrontar su próximo reto?

¡Estamos contratando!

Pregúntanos qué es #LifeatSKIM.

Desarrolle su experiencia.

Aprenda de los mejores del sector.

Supera tus límites.

Explora carreras en SKIM .

-

Acerca de Sawtooth Software

Sawtooth Software proporciona advanced analytics y perspectivas para ayudar a las organizaciones a comprender lo que es importante para sus clientes y predecir lo que comprarán o elegirán. Lo hace a través de su plataforma de soluciones, consultoría y servicios educativos.

La plataforma Sawtooth maneja preguntas de encuesta tradicionales, pero es más conocida por una solución integrada de análisis predictivo llamada Conjoint Analysis, o Análisis de Elección.