Sawtooth Software 2019 会议

作为选择建模领域的领军企业，同时也是联合分析软件全球领导者Sawtooth Software的优选合作伙伴，我们很荣幸能在加利福尼亚州圣地亚哥举行的Sawtooth Software 2019年会上，主办2场实践教程，并发表3篇关于联合分析创新、数据融合及数据质量的启发性论文：

会议前辅导课程

从头到尾开展联合分析项目——中级

9月23日星期一 | 上午8:00 – 中午12:00
雷姆科·唐，经理
耶罗恩·哈顿，副总裁兼霍博肯分部总监

虽然联合分析理论非常重要，且在锯齿会议上被广泛讨论，但本次研讨会我们将采取实践导向，带大家完整地完成一项CBC研究。我们将逐一讲解各个步骤，包括数据重新编码、计数分析、Logit模型、潜类分析和HB模型。 在每个步骤中，我们将分享实用技巧，帮助您充分挖掘数据价值。如何对数据建模、如何解读结果，以及需要注意哪些关键点？我们将基于真实数据集，使用 Lighthouse 软件，对所有这些内容进行详细探讨。

实验性联合分析解决方案——高级篇

9月23日星期一 | 下午1:00 – 下午5:00
耶罗恩·哈登，副总裁兼霍博肯分部总监
凯文·拉特里，方法论与创新副总裁

有时，仅靠标准方法不足以解答当前的研究问题，因此必须跳出常规思维的框架。培训师诚邀您参加这场为期4小时的教程，内容涉及CBC和MaxDiff的高级应用。本次课程将探讨选择建模领域中若干具有挑战性且引人入胜的扩展方法，包括：

• 结合 Lighthouse 和 Excel 的自定义设计技巧，并探讨这些自定义设置的影响
• 展示不同的编码方法以加快处理速度
• 将多个MaxDiff研究整合到一次潜类估计中
• 结合 MaxDiff 和 CBC：数据增强的不同方法
• “红巴士-蓝巴士”问题的权宜之计

会议分会场

能否利用RLH来评估受访者的质量？

9月25日星期三 | 下午2:15 – 3:00
马可·霍格布鲁格，研究总监

在CBC研究中，根似然值（RLH）通常被用作衡量联合分析数据质量的充分指标。在本报告中，我们将探讨为何这一指标尚不完善，介绍一种用于评估联合分析数据质量（从概念上）的改进方法，并比较该新方法的不同变体。

结合CBC和动态选择模型以实现更准确的预测

9月26日星期四 | 下午2:30 – 3:00
法伊娜·什穆利亚恩，方法论经理

在科技与创新、旅游或奢侈品等类别中，消费者在做出购买决策前，往往会花费大量时间考虑产品或服务。在此期间，消费者的偏好可能会受到广告、社交媒体、社会经济因素以及亲友的影响。我们将概述并探讨一种结合了标准基于选择的联合分析和动态选择建模的方法，该方法能够对外部影响进行调整，从而实现更准确的预测。

数据融合：一种用于建模跨多个数据集结构的灵活HB模板

9月26日星期四 | 下午3:30 – 4:15
凯文·拉特里，方法论与创新副总裁

数据融合是对多组数据之间的相互关系进行分析。 本文介绍了数据融合的三种通用分析方法：多阶段法、数据堆叠/增强法以及结构化建模法。这些方法可在各种数据融合场景中独立或联合使用。这些数据融合场景包括“锚定最大差异法”（Anchored MaxDiff）、“双响应无选项法”（Dual Response None）和ACBC等常见应用。本文阐述了这些常见应用中的数据堆叠方法，并提供了一种基于灵活分层贝叶斯模板的替代性结构化模型。