RUM et RRM ? Non, nous ne parlons pas du rafraîchissement préféré des pirates et de son cousin bizarre. Le modèle d'utilité aléatoire et le modèle de regret aléatoire sont deux des modèles que nous utilisons dans l'analyse conjointe pour prédire les choix.
Le MRR repose sur l'hypothèse qu'au lieu de choisir l'option présentant la meilleure combinaison de caractéristiques du produit (comme c'est le cas avec le RUM), les consommateurs font des choix afin d'éviter le regret potentiel d'avoir manqué quelque chose. Ils prendront en compte le contexte d'un choix : choisir une option qui minimise le regret sur quelques options pertinentes, plutôt que de maximiser l'utilité. Pour certains consommateurs, le MRR peut mieux représenter la manière dont les choix sont faits.
Dans leur article paru dans Quirk's, Jeroen Hardon et Kees van der Wagt, deux grands noms de la recherche à SKIM, expliquent comment nous pouvons intégrer l'économie comportementale dans nos modèles afin d'améliorer les prévisions. À l'aide de deux études de cas, l'une sur l'assurance maladie et l'autre sur les tablettes, ils montrent que le contexte est important et que nous ne sommes pas toujours rationnels dans nos choix. Cela dit, le MRR a aussi ses propres limites. Une solution hybride peut donc s'avérer utile. Lisez la suite pour obtenir les réponses.
Utilisation de RUM et RRM pour améliorer la validité prédictive des résultats conjoints
"Dans l'analyse conjointe, nous pouvons utiliser différents modèles pour prédire le choix. Le modèle le plus souvent utilisé est le modèle d'utilité aléatoire (RUM), dans lequel les consommateurs choisissent le produit qui leur offre la meilleure combinaison de caractéristiques. Mais le RUM présente certaines lacunes. Cet article explore l'intégration du RUM avec un autre modèle, la modélisation des regrets aléatoires (RRM), afin de créer un modèle plus robuste et plus précis. La modélisation des regrets aléatoires part du principe que, plutôt que d'opter pour le produit optimal, les consommateurs cherchent à minimiser le regret potentiel de passer à côté de certaines caractéristiques du produit.
Les deux approches ont leurs avantages et leurs inconvénients et sont plus ou moins adaptées aux différentes situations de marché. Afin d'améliorer la validité prédictive des résultats conjoints, les chercheurs de SKIM ont comparé et combiné RUM et RRM au moyen de deux études de cas et ont posé la question suivante : La solution hybride permettrait-elle d'obtenir des résultats plus réalistes ?"
