Ho letto un'altro paper sul polyhedral adaptive question design ed analytic center estimation (collegato al
precedente che ho letto a luglio), questa volta applicato alla choice-based conjoint. Alcuni elementi interessanti di quel paper sono:
- il metodo proposto, denominato polyhedral adaptive choice-based conjoint analysis, consente di personalizzare le alternative presenti all'interno di un questionario basato sui set di scelta (choice sets, quindi domande del tipo: “quale tra questi ipotetici prodotti acquisteresti?”) in funzione delle risposte date dall'intervistato/a ai set di scelta precedenti; ad esempio, se al primo set di scelta l'intervistata X sceglie l'alternativa 1 invece della 2 o della 3 le alternative che le verranno proposte al set di scelta successivo saranno diverse da quelle proposte all'intervistato Y (il quale al primo set ha preferito l'alternativa 3), e così via per tutti i set di scelta successivi
- il metodo si differenzia dall'aggregate customization in quanto quest'ultima basa la scelta delle alternative da proporre agli/alle intervistati/e all'interno di uno specifico set di scelta sulla distribuzione delle risposte fornite da altri intervistati/e e non necessariamente dall'intervistato/a stesso/a
- l'obiettivo del metodo proposto in questo paper è quello di ridurre il più rapidamente possibile la gamma di parametri consistenti con le scelte operate dell'intervistato/a fino a quel momento
- viene ricordato al lettore che è possibile migliorare l'efficienza del metodo di stima noto come Hierarchical Bayes attraverso le procedure di inversione, sostituzione e rietichettatura delle alternative presenti in ciascun set di scelta (procedure sviluppate da Huber e Zwerina e note come swapping, cycling e relabeling)
- grazie ai principi di non-dominanza, fattibilità, bilanciamento delle scelte e simmetria rispettati dall'algoritmo proposto per l'adaptive polyhedral choice-based question design è possibile ridurre rapidamente lo spazio entro il quale le utilità relative agli attributi ed ai livelli del prodotto/servizio testato ed espresse da ciascun/a intervistato/a possono essere circoscritte, definendone così i valori
- viene suggerita al lettore la possibilità di migliorare la precisione delle stime ottenute mediante il metodo dell'Analytic Center utilizzando dati che provengono dalla distibuzione dei parametri di utilità riferiti all'intera popolazione
- è possibile stimare l'utilità relativa di scelte che appaiono in set di scelta diversi mediante l'impiego dell'alternativa di scelta nulla (o non-scelta). Se per un set di scelta viene preferita la scelta nulla è probabile che tutte le alternative proposte abbiano un'utilità inferiore a quella di un'alternativa scelta in un set precedente (ovviamente diversa dalla scelta nulla); ad esempio, se scelgo il profilo 1 invece del profilo 2 nel set A, e poi scelgo il profilo nullo nel seguente set B invece dei profili 3 oppure 4, allora è possibile ipotizzare che io attribuisca un'utilità maggiore al profilo 1 non soltanto rispetto al profilo 2, ma anche al 3 ed al 4
- viene anche ricordato al lettore che nell'ambito di un modello di tipo logit parametri con valori elevati indicano ad una maggiore precisione della stima in quanto la varianza della distribuzione di Gumbel (la quale sottointende il modello logit) è inversamente proporzionale al quadrato della stima dei parametri; in altre parole tanto più grandi saranno le stime delle utilità, tanto più precise (= minore varianza) esse risulteranno
- viene inoltre suggerito al lettore che i designi sperimentali ortogonali nell'ambito della choice-based conjoint sono ottimali soltanto quando i parametri da stimare sono uguali a zero. Nel caso in cui i parametri siano maggiori di zero il disegno sperimentale ortogonale non è ottimale
- quando i dati a disposizione contengono molti errori di risposta il polyhedral question design non funziona correttamente, mentre ha una buona performance nel caso vi siano preferenze eterogenee; detto in altri termini: dove l'eterogeneità è elevata conviene personalizzare utilizzando il polyhedral question design, dove invece vi sono errori di risposta consistenti la personalizzazione rischia di non funzionare correttamente e conviene quindi utilizzare il disegno ortogonale fisso
- l'esperimento condotto dagli autori ha dimostrato che gli intervistati possono gestire tranquillamente fino a 12 esercizi (set) di scelta tra più alternative
- la scelta accurata delle alternative da inserire in ciascun esercizio (set) ha il potenziale di aumentare la precisione dei dati e ridurre i costi di sperimentazione; questo perché consente di ridurre il numero di intervistati/e e/o diminuire il numero di domande da porre a ciascun intervistato/a
Per chi fosse interessato/a ad approfondire l'argomento il link alla pagina dalla quale è possibile scaricare gratuitamente il paper è il seguente:
http://papers.ssrn.com/sol3/Delivery.cfm/SSRN_ID382380_code030224590.pdf?abstractid=382380&mirid=1
Nessun commento:
Posta un commento