Preference Based Conjoint e Empirical Bayes no ART Forum 2017

Nos dias 27 e 28 de junho, apresentamos dois tópicos diferentes sobre Preference Based Conjoint e Iterative Multilevel Empirical Bayes (IMEB) no Fórum de Técnicas de Pesquisa Avançada (ART) de 4 dias de 2017, realizado pela American Marketing Association (AMA).

Com uma variedade de cientistas de dados, profissionais de marketing e acadêmicos, o ART Forum é um evento em que você encontra uma rede de colegas que levam a sério o desenvolvimento de ferramentas que podem resolver a próxima geração de problemas no campo do marketing.

Nosso Diretor de Metodologia e Inovação da UE, Jeroen Hardon, e o Diretor de Pesquisa, Marco Hoogerbrugge, apresentaram um tópico sobre "Preference Based Conjoint: É possível prever dezenas de produtos?". Na segunda apresentação, nosso vice-presidente de Metodologia e Inovação, Kevin Lattery, apresentou "Iterative Multilevel Empirical Bayes (IMEB): Uma solução eficiente, flexível e robusta para conjoint em grande escala".

Insights de "Preference Based Conjoint: É possível prever dezenas de produtos?"

Apresentadores: Jeroen Hardon e Marco Hoogerbrugge

https://www.slideshare.net/SKIMgroup/big-simulators-with-dozens-of-products-which-conjoint-method-is-most-suitable-at-art-forum-2017

A análise conjunta é frequentemente usada para mercados muito complexos, com um grande número de atributos e produtos no mercado. O ideal seria replicar a complexidade do mercado que existe na realidade da melhor forma possível no projeto da pesquisa conjunta.

Embora já tenhamos provado no passado que ter mais realidade torna as previsões melhores, isso nem sempre é viável. Mais especificamente, quando há muitos atributos, não podemos mostrar muitos conceitos em uma única tarefa, pois isso levaria à sobrecarga de informações para o respondente.

A questão principal dessa apresentação foi verificar até que ponto a discrepância entre o número de conceitos em uma tarefa (3 ou 4) e o número de produtos no modelo de simulação conjunta (20 ou 50) pode influenciar os resultados do estudo, comparando CBC, ACBC e PBC (preference based conjoint).

Insights de "Iterative Multilevel Empirical Bayes (IMEB): Uma solução eficiente, flexível e robusta para conjoint em grande escala"

Apresentador: Kevin Lattery

https://www.slideshare.net/SKIMgroup/iterative-multilevel-empirical-bayes-imeb-an-efficient-flexible-and-robust-solution-for-large-scale-conjoint

A abordagem típica da análise conjunta usa Bayes hierárquico com amostragem de Gibbs para integrar uma normal multivariada de nível superior. Isso funciona bem com dados de tamanho pequeno a médio, mas com muitos parâmetros pode ser inadequado ou impraticável.

Descrevemos uma abordagem que fixa a prévia de nível superior com base nos dados (portanto, Empirical Bayes) e na validação cruzada de um parâmetro de escala. Essa prévia fixa elimina as iterações MCMC, tornando-a muito mais rápida do que a HB padrão. A abordagem Empirical Bayes também evita problemas de convergência inadequada e dimensionamento impróprio que podem ocorrer com o MCMC.

Também descrevemos algumas das flexibilidades adicionais dessa abordagem, incluindo a personalização no nível do entrevistado e a capacidade de estimar facilmente os serviços públicos para outros entrevistados.