Quer conhecer as preferências do consumidor? Ask me how!

É, gente. Só não estuda quem não tem cérebro e/ou é preguiçoso (e eu me imagino o que seria um sujeito com “e” ao invés de “ou”, neste caso…). Veja só o caso das boas pesquisas de marketing, não aquelas bobagens que saem nas colunas sociais dos piores jornais do país. Elas são sensacionais! Enquanto estamos aqui reclamando da altíssima produtividade dos chineses, há gente aí fora pesquisando o mercado para poder ganhar um trocado a mais e fazer aquela viagem nas férias. Veja só o caso deste pequeno post sobre uma aplicação em R:

There is a strong positive relationship between demand for quality and willingness to pay, so a product manager might well decide that there was opportunity for at least a high-end and a low-end option. However, there is no natural breaks in the scatterplot. Thus, if this data cloud is a mixture of distinct distributions, then these distributions must be overlapping.
 Muito bacana. Consumidores fazem rankings e nós podemos tentar aprender sobre os padrões dos consumidores fazendo diagramas de dispersão. Ah, e aquelas tais distribuições estatísticas têm uma grande utilidade aqui. Claro, não podemos ficar só nesta observação superficial. Afinal de contas, vale a pena estudar misturas de distribuições? Eu não sou estatístico, mas aprendi algo hoje. Veja o trecho a seguir.
Another example might help. As shown by John Cook, the distribution of heights among adults is a mixture two overlapping normal distribution, one for men and another for women. Yet, as you can observe from Cook’s plots, the mixture of men’s and women’s height does not appear bimodal because the separation between the two distributions is not large enough. If you follow the links in Cook’s post, eventually you will find the paper “Is Human Height Bimodal?”, which clearly demonstrates that many mixtures of distributions appear to be homogeneous. We simply cannot tell that they are mixture by looking just at the shape of the distribution for the combined data. The Old Faithful data with its well-separated bimodal curve provides a nice contrast, especially when we focus only on waiting time as a single dimension (Fitting Mixture Models with the R Package mixtools).
Questão básica, não? Como distinguir entre uma mistura de distribuições e uma só?Aí você descobre que alguém já pesquisou isto, já estudou e, não, não tem isto pronto para você usar no pacote econométrico de apertar botões. Tem no R. Para que isto tudo? Continuemos com o autor:
Market segmentation lies somewhere between mass marketing and individual customization. When mass marketing fails because customers have different preferences or needs and customization is too costly or difficult, the compromise is segmentation. We do not need “natural” grouping, but just enough coherence for customers to be satisfied by the same offering. Feet come in many shapes and sizes. The shoe manufacturer can get along with three sizes of sandals but not three sizes of dress shoes. It is not the foot that is changing, but the demands of the customer. Thus, even if segments are no more than convenient fictions, they can be useful from the manager’s perspective.
Interessante, não? Perceba como é a transição entre o mundo dos conceitos e o mundo empírico (lá em metodologia da ciência eles emprestam a linguagem matemática e chamam isto de “isomorfismo” entre o conjunto teórico e o conjunto empírico…ou algo assim, não sou metodólogo e não me lembro exatamente dos termos, ok?). Mesmo que a construção seja fictícia (tal e qual uma função utilidade em Microeconomia), a segmentação pode ser útil para os gerentes, engenheiros e demais encarregados de entender o que o consumidor mediano deseja.
Outro alerta interessante:
Finally, what is true for marketing segmentation is true for all of cluster analysis.“Clustering: Science or Art?” (a 2009 NIPS workshop) raises many of these same issues for cluster analysis in general. Videos of this workshop are available atVideolectures. Unlike supervised learning with its clear criterion for success and failure, clustering depends on users of the findings to tell us if the solution is good or bad, helpful or not. On the one hand, this seems to make everything more difficult. On the other hand, it frees us to be more open to alternative methods for describing heterogeneity as it is now and how it evolves over time.
Ok, o autor me convenceu: vale a pena acompanhar o blog dele. Em outro post, ele ainda cita o Kahneman:
We should not try to minimize the possible confounding effects of asking respondents to repeatedly make choices from sets of alternatives with varying features.  This is the problem with within-subject design that Kahneman discusses in his Nobel Prize acceptance speech (pp. 473-474), “They are liable to induce the effect that they are intended to test.”  Kahneman views preferences as constructions.
(…)
Orme sees real preferences that exist independently of the task.  Moreover, these preferences are continuous.  Choice data does not reveal all that is there because it does not reveal strength of preference.
É, gente. Entender as preferências do consumidor, as preferências que eles nos revelam em questionários, compras, etc, não é nada fácil, trivial ou simples. Mas você tem que começar com um modelo simples ou nunca conseguirá estudar os fenômenos reais. Tem aluno que torce o nariz para a hipótese de constância de preferências. Mas o que aconteceria se seus pais tivessem torcido o nariz para ele quando começou a engatinhar? Afinal, o negócio não é andar em duas patinhas? Pois é. Mas a gente começa com o modelo mais simples. Aliás, é por isso que eu digo que não se deve ir de carona na dúvida de outro aluno sem estudar: a dúvida dele é dele e já reflete um estágio próprio de desenvolvimento que pode ou não ser o seu.

“-E aí, já estudou a Equação de Slutsky, ou vai ficar fazendo corpo mole, moleque? Eu estudei e hoje sou Economista-Chefe da Google. Você quer ser o que quando crescer?”

Deixe uma resposta

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s