<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Este artículo aparece en Cable JMPer, Número 30, verano 2015 .
por Melinda Thielbar melinda.thielbar , Senior Research Statistician Developer, SAS
El JMP Profiler es una herramienta poderosa para visualizar su modelo. Con un solo clic, puede ver lo que predice el modelo cuando cambia las características de un producto o ajusta uno de sus supuestos. También es una poderosa herramienta de comunicación ya que su audiencia no necesita un fondo de estadísticas para entender el mensaje del modelo.
En JMP 11 y versiones anteriores, el Profiler en la plataforma Choice era un Utility Profiler, que mostraba cómo la utilidad de su producto cambiaba con los cambios en las características. Para un economista o un comercializador, la utilidad es un concepto bastante sencillo. Una mayor utilidad significa un producto más deseable que las personas tienen más probabilidades de comprar.
JMP 12 agrega Probability Profiler y Multiple Choice Profiler, dos nuevas herramientas para ayudar a visualizar las comparaciones entre productos de la competencia y predecir la participación de mercado para los nuevos productos propuestos.
Considere las dos versiones de los datos de pizza de la biblioteca de datos de muestra JMP. Comencemos con el ejemplo de tabla múltiple contenido en Pizza Profiles.jmp, Pizza Responses.jmp y Pizza Subject.jmp. Estos tres conjuntos de datos imitan cómo a menudo se recopilan los datos de elección. Los factores, las respuestas y la información demográfica de los participantes se encuentran en tablas de datos separadas.
Al ejecutar la secuencia de comandos adjunta al menú de Perfiles de Pizza se genera un informe con los efectos del modelo de Elección y las pruebas de relación de probabilidad en las estimaciones resultantes (Figura 1). (Nota: JMP realiza las pruebas de relación de probabilidad de forma predeterminada si se pueden calcular rápidamente. Si las pruebas no se producen de forma predeterminada, siempre puede solicitar estadísticas de Proporción de verosimilitud desde el menú del triángulo rojo.)
Figura 1 Efectos del modelo de elección y pruebas de relación de probabilidad
Las pruebas de efecto muestran qué factores son estadísticamente significativos, y los signos en las estimaciones de los parámetros muestran si ese factor hace que los sujetos tengan más o menos probabilidades de comprar el producto. A partir de este informe, podemos ver que el queso Jack es menos popular que el Mozzarella, y existe una interacción estadísticamente significativa entre el género y las preferencias de Thick Crust y Pepperoni vs No Toppings.
El Perfil de Utilidad (llamado "El Perfil" en JMP 11) puede ayudar a explicar cómo estas interacciones afectan las elecciones del consumidor. Seleccionar Perfil de utilidad desde el menú del triángulo rojo del Modelo de elección para mostrar el Perfilador de utilidades. En el generador de perfiles de Género, arrastre la línea vertical de F a M (Figura 2).
Figura 2 Perfilador de utilidades con género establecido en M
El primer analizador muestra que los machos prefieren la pizza de masa gruesa con pepperoni.
Cambiar el género de M a F nos permite ver claramente el efecto de las interacciones. La pendiente de la línea entre los ingredientes Pepperoni y "No" es negativa cuando establecemos el valor de Género en "M". Cuando cambiamos el valor del género a "F", la pendiente se vuelve positiva. Lo mismo es cierto para la pendiente de la línea entre la corteza gruesa y delgada.
figura 3 Perfilador de utilidades con género establecido en F
Esto muestra que las mujeres son más propensas a elegir la pizza de masa delgada sin ingredientes adicionales, y los hombres son más propensos a elegir la pizza de masa gruesa con pepperoni.
"¿Cuánto más probable es?" Y "¿Más probable comparado con qué?", Podría preguntarle su gerente de marketing. Hasta JMP 12, su respuesta podría haber sido: "Permítame responderle". Ahora todo lo que necesita es el Probability Profiler.
En JMP 12, el Probability Profiler está justo debajo del Utility Profiler en el menú del triángulo rojo de la plataforma Choice. Cuando seleccionas Perfilador de probabilidad , está comparando su nuevo producto propuesto con un producto de "Línea de base". Tal vez esté planeando ofrecer una pizza Thick Crust con queso Mozzarella y Pepperoni para desafiar a la pizza de mi competencia, que es una Thick Crust con queso Jack y Pepperoni. Desde la lista de Género en la configuración de Línea de base, seleccione F (Figura 4).
Figura 4 ProbabilidadProfiler con queso fijado a Mozzarella
El Probability Profiler hace que sea fácil ver que mi producto propuesto es una buena idea. Al elegir entre mi pizza y la de mi competencia, las mujeres tienen un 92% de probabilidad de elegir mi pizza (Figura 4). Puedo cambiar Género en la configuración de Línea de base a M para ver que los hombres tienen un 96% de posibilidades de elegir mi pizza (Figura 5). Las configuraciones relacionadas con los sujetos (es decir, las personas) siempre aparecen en la configuración de Línea de base, por lo que siempre se comparan manzanas con manzanas cuando se comparan las probabilidades de elección.
Figura 5 Perfil de probabilidad con género establecido en M
No hay muchos mercados donde los consumidores solo tengan dos opciones. Es posible que conozca sobre varios productos de la competencia y desee diseñar la pizza con la máxima probabilidad de elección para todos ellos. Ese es un trabajo para el Perfilador de opciones múltiples, que se encuentra en el menú del triángulo rojo justo debajo del Perfilador de probabilidad.
Seleccionando Perfilador de opciones múltiples desde el menú del triángulo rojo aparece un cuadro de diálogo que le pregunta cuántas opciones desea perfilar (Figura 6). Tres es el predeterminado, pero puedes tener más.
Figura 6 Configuración del número de opciones a perfil
Ahora, en lugar de tener un modelo de línea de base y una alternativa, el Perfilador de opciones múltiples produce un conjunto de perfiladores vinculados, uno para cada alternativa (Figura 7). Las listas desplegables en la parte superior le permiten elegir los valores de las variables de asunto que comprenden sus segmentos de mercado. Los deslizadores de perfil establecen las propiedades de los diferentes productos. También hay un gráfico justo debajo del encabezado para mostrar visualmente qué producto tendría la mayor cuota de mercado prevista.
Figura 7 MultipleChoice Profiler para todas las alternativas
Ahora es fácil ver que una pizza Thin Crust con queso Mozzarella y Sin ingredientes es la opción más popular.
Todos los ejemplos anteriores muestran un análisis con varias tablas. Si normalmente realiza un análisis de una tabla, JMP colocará los efectos de su sujeto en el Perfilador de opciones múltiples (Figura 8). (No hay forma de que JMP sepa si un efecto fue pensado como un efecto de sujeto o un efecto de perfil, por lo que JMP hace la elección que tiene la mayor flexibilidad para usted como usuario).
Figura 8 Efectos del sujeto en el Perfilador de Opciones Múltiples
Las comparaciones de probabilidad en el modelo de opción múltiple están restringidas de modo que deben sumar a uno; las comparaciones de probabilidad de un modelo de elección solo tienen sentido si está comparando dentro de un segmento de mercado. Si cambias los valores de las variables del sujeto, Asegúrate de hacerlas iguales para todas las probabilidades de elección . De lo contrario, sus probabilidades previstas (y, por lo tanto, las cuotas de mercado) no serán correctas.
El Utility Profiler siempre ha sido una herramienta útil para visualizar su modelo. JMP 12 agrega Probability Profiler y Multiple Choice Profiler, dos nuevas herramientas para ayudar a visualizar las comparaciones entre diferentes productos y predecir la participación de mercado Para los nuevos productos propuestos.
Para explorar este tema, consulte la documentación de JMP en Opciones de la plataforma de elección .
