Levando em conta o contexto e a economia comportamental com a análise conjunta de RRM

RUM e RRM? Não, não estamos falando sobre o refresco favorito de um pirata e seu primo estranho. O Random Utility Model e o Random Regret Model são dois dos modelos que usamos na análise conjunta para prever a escolha.

O RRM baseia-se na suposição de que, em vez de escolher a opção com a melhor combinação de características do produto (como é o caso do RUM), os consumidores fazem escolhas para evitar o possível arrependimento de perder algo. Eles levarão em conta o contexto de uma escolha: escolher uma opção que minimize o arrependimento em algumas opções pertinentes, em vez de maximizar a utilidade. Para alguns consumidores, o RRM pode representar melhor como as escolhas são feitas.

Em seu artigo na Quirk's, Jeroen Hardon e Kees van der Wagt, dois pesos pesados da pesquisa na SKIM, compartilham como podemos incorporar a economia comportamental em nossos modelos para melhorar as previsões. Usando dois estudos de caso, um sobre seguro de saúde e outro sobre tablets, eles mostram como o contexto é importante e como nem sempre somos racionais em nossas escolhas. Dito isso, o RRM também tem suas próprias limitações. Portanto, talvez uma solução híbrida seja a resposta. Continue lendo para obter as respostas.

Uso de RUM e RRM para melhorar a validade preditiva dos resultados conjuntos

"Na análise conjunta, podemos usar diferentes modelos para prever a escolha. O mais usado é o modelo de utilidade aleatória (RUM), no qual os consumidores selecionam o produto que oferece a melhor combinação de características do produto. Mas o RUM tem algumas deficiências. Este artigo explora a integração do RUM com outro modelo, o modelo de arrependimento aleatório (RRM), para criar um modelo mais robusto e preciso. O RRM pressupõe que, em vez de escolher o produto ideal, os consumidores buscam minimizar o possível arrependimento de perder determinadas características do produto.

Ambas as abordagens têm seus prós e contras e são mais ou menos adequadas em diferentes situações de mercado. Em um esforço para melhorar a validade preditiva dos resultados conjuntos, os pesquisadores SKIM compararam e combinaram a RUM e a RRM por meio de dois estudos de caso e fizeram a pergunta: A solução híbrida levaria a resultados mais realistas?"