Análise de classe latente (LCA)

A análise de classe latente é uma abordagem de regressão por cluster que usamos para descobrir segmentos de respondentes com estruturas de preferência semelhantes (latentes) em dados de escolha. Diferente das técnicas tradicionais de cluster, ela primeiro classifica os entrevistados em segmentos que são os mais distintos possíveis e, em seguida, estima os parâmetros da estrutura de preferência no nível do segmento em vez de no nível do entrevistado.

Classe latente: benefícios e limitações

• Oferece um bom entendimento da estrutura do mercado e dos grupos-alvo endereçáveis
• Ele fornece insights para a otimização do portfólio de produtos, pois oferece informações sobre a heterogeneidade das preferências
• Ele oferece um equilíbrio perfeito entre parâmetros de nível de respondente perspicazes, mas potencialmente instáveis, e parâmetros de nível de amostra sólidos, mas excessivamente generalizantes

Classe latente: quando usá-la?

• Entrada perfeita para a otimização da linha de produtos
• Identificar necessidades não atendidas para o desenvolvimento de produtos
• Identificar diferentes grupos de preços e o que cada grupo valoriza, para que possam ser direcionados