En tant que pionniers dans le domaine de la modélisation des choix et partenaire privilégié de Sawtooth Software, leader mondial des logiciels d’analyse conjointe, nous sommes fiers d’animer deux ateliers pratiques et de présenter trois communications inspirantes sur les innovations en matière d’analyse conjointe, la fusion des données et la qualité des données lors de la conférence Sawtooth Software 2019 à San Diego, en Californie :
Lundi 23 septembre | 8 h 00 – 12 h 00
Remco Don, directeur
Jeroen Hardon, vice-président et directeur du site de Hoboken
Bien que la théorie de l’analyse conjointe soit très importante et fasse l’objet de nombreuses discussions lors de la conférence Sawtooth, nous souhaitons adopter une approche pratique dans le cadre de cet atelier et vous guider tout au long d’une étude CBC complète. Nous passerons en revue chacune des étapes, notamment le recodage des données, les comptages, le modèle Logit, les classes latentes et le modèle HB. Au cours de chacune de ces étapes, nous vous donnerons des conseils et astuces pour tirer le meilleur parti de vos données. Comment modéliser les données, interpréter les résultats et quels sont les points clés à surveiller ? Tout cela sera abordé à partir d'un ensemble de données réelles, à l'aide du logiciel Lighthouse.
Lundi 23 septembre | 13 h – 17 h
Jeroen Hardon, vice-président et directeur du site de Hoboken
Kevin Lattery, vice-président chargé de la méthodologie et de l'innovation
Il arrive parfois que les normes ne suffisent pas à répondre aux questions de recherche qui se posent et qu’il faille sortir des sentiers battus. Les formateurs souhaitent vous inviter à participer à ce tutoriel de 4 heures consacré aux applications avancées de CBC et MaxDiff. Plusieurs extensions stimulantes et intéressantes de la modélisation des choix seront abordées, notamment :
Mercredi 25 septembre | 14 h 15 – 15 h 00
Marco Hoogerbrugge, directeur de recherche
Dans les études d'analyse conjointe, la « Root Likelihood » (RLH) est souvent utilisée comme indicateur suffisant de la qualité des données conjointes. Au cours de cette présentation, nous expliquerons pourquoi cet indicateur n'est pas suffisant, nous présenterons une procédure améliorée permettant d'évaluer la qualité des données conjointes (sur le plan conceptuel) et nous comparerons différentes variantes de cette nouvelle procédure.
Jeudi 26 septembre | 14 h 30 – 15 h
Faina Shmulyian, responsable de la méthodologie
Dans des secteurs tels que la technologie et l’innovation, les voyages ou les produits de luxe, les consommateurs consacrent souvent beaucoup de temps à examiner les produits ou les offres avant de prendre une décision d’achat. Au cours de cette période, leurs préférences peuvent être influencées par la publicité, les réseaux sociaux, des facteurs socio-économiques, ou encore leur entourage familial et amical. Nous présenterons et analyserons une approche combinant une méthode conjointe standard basée sur le choix et une modélisation dynamique des choix, permettant de tenir compte des effets externes et d’obtenir ainsi des prévisions plus précises.
Jeudi 26 septembre | 15 h 30 – 16 h 15
Kevin Lattery, vice-président chargé de la méthodologie et de l'innovation
La fusion de données consiste à analyser plusieurs ensembles de données en les mettant en relation les uns avec les autres. Nous décrivons trois approches analytiques générales de la fusion de données : l'approche en plusieurs étapes, l'empilement/l'augmentation des données et la modélisation structurée. Ces approches peuvent être utilisées indépendamment ou conjointement dans divers contextes de fusion de données. Ces contextes de fusion de données incluent des applications courantes telles que « Anchored MaxDiff », « Dual Response None » et ACBC. Nous décrivons l'empilement des données dans ces applications courantes et proposons un modèle structuré alternatif utilisant un modèle bayésien hiérarchique flexible.
Découvrez comment une marque de bière bien établie a affiné ses stratégies de tarification et de distribution pour générer une croissance à deux chiffres sur un marché africain.
Comment les données relatives aux préférences des patients ont permis de mettre en évidence l'intérêt de la prévention des maladies infectieuses au-delà des résultats cliniques.
Un modèle de prévision dynamique a permis à un client du secteur de la santé de prendre des décisions en matière de lancement, de tarification et d'accès avec davantage d'assurance.
Découvrez comment E.ON Next s'est appuyé sur les connaissances en sciences comportementales pour mettre en avant une différenciation de marque plus forte, au-delà du prix.