Les gens choisissent-ils les prix plus bas?

Vous vous souvenez que je disais aimer examiner les comptes de choix pour chaque attribut? Il nous reste un dernier attribut à regarder dans les données chocolate : Price. La syntaxe de xtabs() est la même, alors voyons si vous pouvez vous en souvenir par vous-même cette fois-ci.

Cette activité fait partie du cours

Modélisation des choix pour le marketing avec R

Voir le cours

Instructions de l’exercice

Utilisez xtabs pour calculer les effectifs de Price et Selection dans les données chocolate. Attribuez le résultat à counts.
Tracez les résultats.
Examinez le graphique. Les gens ont-ils tendance à choisir les prix plus bas?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Use xtabs to count up how often each Price is chosen
counts <- ____

# Plot the counts
plot(___, cex=1.5)

Modifier et exécuter le code

Cette activité fait partie du cours

Modélisation des choix pour le marketing avec R

SkillTag.level.advancedSkillTag.label

4.8+

41 reviews

Commencer le cours gratuitement

L'objectif de ce chapitre est de vous faire parcourir l'ensemble du processus de modélisation des choix le plus rapidement possible, afin que vous ayez une vue d'ensemble de ce que l'on peut faire avec les modèles de choix et de la façon dont le processus fonctionne. L'idée principale, c'est qu'un modèle de choix permet de comprendre dans quelle mesure les choix de produits des clients dépendent des caractéristiques de ces produits. Les acheteurs de voitures sport préfèrent-ils les transmissions manuelles aux automatiques? Et dans quelle mesure? Pour vous donner un aperçu, nous passerons sur de nombreux détails. Dans les chapitres suivants, nous reviendrons sur des points essentiels comme la préparation des données, la spécification et l'interprétation des modèles, ainsi que la présentation de vos résultats, pour que vous soyez entièrement prêt à utiliser ces méthodes avec vos propres données de choix.

Exercise 1: Pourquoi les choix ?Exercise 2: Données de choix Exercise 3: Examiner les données de choix Exercise 4: Trouver les niveaux d'un facteur Exercise 5: Inspecter une observation de choix Exercise 6: Qu'est-ce que les gens ont choisi?Exercise 7: Ajuster et interpréter un modèle de choix Exercise 8: Ajuster un modèle de choix Exercise 9: Interpréter les paramètres Exercise 10: Utiliser les modèles de choix pour prendre des décisions Exercise 11: Prédire les parts de choix Exercise 12: Tracer les parts de choix

Les données de choix peuvent provenir de nombreuses sources et se présenter sous différents formats. Dans ce chapitre, nous prendrons des données offertes sous plusieurs formats et apprendrons à les préparer pour la modélisation des choix. Nous verrons aussi comment concevoir un sondage pour recueillir vos propres données de choix.

Exercise 1: Assembler des données de choix Exercise 2: Combien de choix avons-nous?Exercise 3: Attributs et niveaux Exercise 4: Examiner un seul choix Exercise 5: Convertir des données larges en données longues Exercise 6: Convertir du format large au format long Exercise 7: Trier les données au format long Exercise 8: Modifier la variable Selection Exercise 9: Données de choix réparties dans deux fichiers Exercise 10: Examiner un choix dans deux fichiers Exercise 11: Fusionner deux fichiers Exercise 12: Visualiser des données de choix Exercise 13: Quels types de chocolat les gens choisissent-ils ?Exercise 14: Les gens choisissent-ils les prix plus bas?

Exercice en cours

Exercise 15: Concevoir un sondage conjoint

Dans ce chapitre, nous approfondissons l'estimation des modèles de choix. Pour vous donner des bases solides, nous verrons comment le modèle logit multinomial transforme les caractéristiques des produits en une prédiction du choix du décideur. Cela vous donnera un cadre pour décider quelles caractéristiques inclure dans votre modèle.

Exercise 1: Modèles de choix : sous le capot Exercise 2: Créer un objet mlogit.data Exercise 3: Ajuster un modèle de choix Exercise 4: Retirer l'ordonnée à l'origine Exercise 5: Interpréter les paramètres du modèle de choix Exercise 6: Quelle marque de chocolat est la plus appréciée?Exercise 7: Calculer la disposition à payer Exercise 8: Prix comme facteur Exercise 9: Test du rapport de vraisemblance Exercise 10: Constantes et interactions Exercise 11: Interaction entre la marque et le type Exercise 12: Interaction entre le prix et l'essai Exercise 13: Prédire les parts Exercise 14: Prédire les parts pour le segment racer Exercise 15: Prédire les parts pour des barres de chocolat Exercise 16: Tracer les parts pour les barres de chocolat

Les personnes ont des goûts et des préférences différents. Cela semble évident, et la recherche en marketing l'a aussi largement démontré. Ce chapitre porte sur des modèles de choix où l'on suppose que différents décideurs ont des préférences distinctes influençant leurs choix. Lorsque nos modèles reconnaissent que les consommateurs n'ont pas tous les mêmes préférences, ils ont tendance à prédire des parts plus élevées pour des produits de niche qui plaisent à un sous-ensemble de consommateurs. Les modèles hiérarchiques sont utilisés dans la plupart des applications commerciales de modélisation des choix; il est donc important de comprendre leur fonctionnement.

Exercise 1: Qu'est-ce qu'un modèle hiérarchique de choix ?Exercise 2: Combien de personnes ont répondu au sondage sur le chocolat ?Exercise 3: Modèle de chocolat avec coefficient de prix aléatoire Exercise 4: Hétérogénéité des préférences pour d'autres caractéristiques Exercise 5: Définir des codes d'effets Exercise 6: Modèle de chocolat avec tous les coefficients aléatoires Exercise 7: Interpréter les paramètres d'un modèle hiérarchique Exercise 8: Comment les gens évaluent-ils le chocolat blanc?Exercise 9: Prédire les parts avec des modèles hiérarchiques Exercise 10: Prédire les parts pour des chocolats Exercise 11: Au revoir et bonne chance !