Software Sawtooth: Explorando as mais recentes advanced analytics e metodologias de investigação

Pretende fazer um avanço nas ciências do marketing?

A Conferência da Sawtooth Software reúne profissionais de pesquisa e análise para aprofundar seus conhecimentos e obter treinamento prático sobre as mais recentes metodologias de análise conjunta. Como parceiro de longa data da Sawtooth Software, uma equipa de SKIMmers irá mais uma vez partilhar a nossa experiência em modelação de escolhas com os seus pares da indústria em Orlando.

Os nossos especialistas em métodos e análises dos EUA e da Europa apresentarão vários documentos técnicos, workshops e tutoriais sobre uma série de tópicos de modelação de escolhas. Não deixe de assistir a uma das nossas sessões ou de conversar connosco para saber mais sobre oportunidades de carreira interessantes.

Aprofunde os seus conhecimentos de análise: Participe em SKIM apresentações de especialistas

Soluções Conjuntas Práticas

Co-Clustering com covariáveis: Máxima perceção, mínimo esforço e com covariáveis ainda mais acionáveis

Co-clustering é o agrupamento simultâneo de linhas e colunas de dados. Por exemplo, quando usado para questões de avaliação ou pontuações MaxDiff, ele fornece uma excelente visão da heterogeneidade subjacente desses dados: quais questionados são semelhantes e quais itens são semelhantes. Adicionar covariáveis no processo - tanto para os questionados quanto para as variáveis! - acrescenta outra camada de informações. Este documento mostrará diferentes formas de visualizar os dados co-agrupados e explicará as heurísticas sobre como efetuar o co-agrupamento com covariáveis.

Inovação através de conhecimentos pragmáticos e acessíveis para PayPal

PayPal e SKIM desenvolveram recentemente uma abordagem pragmática para isolar os factores comportamentais do percurso de compra do consumidor na fase de checkout digital entre os comerciantes online. Inovámos na experiência de conceção do inquérito, simulando a experiência de checkout e combinando análises conjuntas e não conjuntas. Além disso, traduzimos as respostas em recomendações comerciais acionáveis que também eram acessíveis ao público não técnico. Esta inovação elevou o fluxo de trabalho do Checkout como uma prioridade estratégica no PayPal e a adoção destas recomendações para o roteiro de produtos, marketing e vendas.

Estaremos a ajustar demasiado os nossos modelos com a forma como estamos a estimar os nossos parâmetros de preços?

Os estudos de preços complicados podem acabar por ter muitos níveis de preço que valem por partes. Em conferências recentes, recomenda-se uma função por partes que utilize de 2 a 6 pontos de interrupção (para além dos pontos finais) e 12-20 pontos de interrupção foram considerados potencialmente úteis. Gostaríamos de investigar se uma dúzia ou mais de pontos de interrupção é um ajuste excessivo e se é melhor optar por uma abordagem mais parcimoniosa. Esta investigação também testará se seria melhor ter vários efeitos de preço mais simples. RLH, Holdout Hit Rate e % de efeitos que não precisam de ser limitados serão utilizados como critérios de teste.

Amostragem Thompson em CBC multi-atributo

Muitas vezes, deparamo-nos com o desafio de só podermos testar um determinado número de níveis por atributo para garantir que a estimativa se mantém robusta. No entanto, há cenários em estudos de CBC em que queremos testar muitos mais níveis e queremos apenas descobrir quais são os melhores níveis e combinações de níveis. Ao utilizar a amostragem Thompson, seleccionamos os produtos preferidos para a sobreamostragem de cada novo inquirido.

Volumetric Conjoint e o papel da dimensão do sortido

Prever o volume de um novo produto a ser lançado é uma tarefa que muitos investigadores já realizaram pelo menos uma vez. Há uma variedade de metodologias para realizar a tarefa, que são agrupadas em três famílias: testes reais, benchmarking e replicação de ambientes de mercado. Neste artigo, mostramos os prós e contras de cada uma delas e explicamos uma abordagem que ultrapassa algumas das limitações destes métodos, utilizando-os em combinação.

Modelação Autoregressiva Vetorial de dados de vendas longitudinais utilizando populações simuladas informadas por experiências Conjoint

A Autoregressão Vetorial (VAR) é frequentemente utilizada para modelar as vendas de itens P ao longo do tempo. O VAR prevê as vendas no momento tnew utilizando as vendas anteriores em tlag, juntamente com atributos que explicam essas alterações, como o preço, a distribuição e a tendência. Também modelamos o sourcing correlacionado entre P itens usando uma população simulada ~ Multivariate normal(α_lag, ∑). Mostramos como usar experimentos conjuntos para informar ∑ e como isso melhora significativamente as previsões em comparação com a modelagem ∑ apenas dos dados de vendas.

Pronto para enfrentar o seu próximo desafio?

Estamos a contratar!

Pergunte-nos o que é a #LifeatSKIM.

Desenvolver os seus conhecimentos.

Aprenda com os melhores do sector.

Ultrapasse os seus limites.

Explore as carreiras em SKIM.

-

Sobre a Sawtooth Software

A Sawtooth Software fornece advanced analytics e insights para ajudar as organizações a compreender o que é importante para os seus clientes e a prever o que eles irão comprar ou escolher. Fazem-no através da sua plataforma de soluções, consultoria e serviços educativos.

A plataforma Sawtooth lida com perguntas tradicionais de inquéritos, mas é mais conhecida por uma solução integrada de análise preditiva chamada Conjoint Analysis, ou Choice Analysis.