Ir al contenido principal
InicioR

Curso

Modelización de elección para marketing en R

AvanzadoNivel de habilidad
Actualizado 8/2024
Aprende a analizar y modelar datos sobre las elecciones de los clientes en R.
Comienza el curso gratis
RProbability & Statistics
4 h
17 vídeos
54 Ejercicios
4,100 XP
6,936
Certificado de logros

Crea tu cuenta gratuita

Continuar con GoogleMostrar más opciones

o


Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

Group

¿Formando un equipo?

Prueba para empresas

Descripción del curso

Las personas toman decisiones todos los días. Eligen productos como zumo de naranja o un coche, deciden a quién votar y cómo ir al trabajo. Quienes trabajan en marketing, retail, diseño de producto, ciencia política, planificación del transporte, sociología y otros muchos campos quieren entender qué impulsa esas decisiones. Los modelos de elección predicen qué opción elegirán las personas en función de las características de las alternativas disponibles y pueden servir para tomar decisiones importantes de diseño de producto. En este curso aprenderás a organizar datos de elección, estimar modelos de elección en R y presentar los resultados. El curso abarca tanto análisis de elecciones reales observadas como el enfoque basado en encuestas llamado análisis conjunto (conjoint).

Requisitos previos

Intermediate Regression in R
1

Guía de inicio rápido

El objetivo de este capítulo es llevarte por todo el proceso de modelización de elección lo más rápido posible, para que tengas una visión general de lo que podemos hacer con estos modelos y de cómo funciona el proceso. La idea principal es que podemos usar un modelo de elección para entender cómo las decisiones de compra de los clientes dependen de las características de los productos. ¿Prefieren los compradores de deportivos el cambio manual frente al automático? ¿Y en qué medida? Para ofrecerte una panorámica, pasaremos por alto muchos detalles. En los capítulos siguientes volveremos sobre cuestiones importantes de preparación de datos, especificación e interpretación de modelos y presentación de resultados, para que quedes totalmente preparado para aplicar estos métodos a tus propios datos de elección.
Iniciar capítulo
2

Gestión y resumen de datos de elección

Existen muchas fuentes para obtener datos de elección y distintos formatos posibles. En este capítulo tomaremos datos que se proporcionan en varios formatos alternativos y aprenderemos a dejarlos listos para la modelización de elección. También hablaremos de cómo diseñar una encuesta para recopilar tus propios datos de elección.
Iniciar capítulo
4

Modelos de elección jerárquicos

Cada persona tiene gustos y preferencias diferentes. Esto es intuitivo, pero también hay abundante investigación en marketing que lo confirma. Este capítulo trata modelos de elección en los que asumimos que distintos decisores tienen preferencias diferentes que influyen en sus elecciones. Cuando nuestros modelos reconocen que los consumidores difieren en sus preferencias, suelen predecir mayores cuotas para productos de nicho que atraen a un subconjunto de consumidores. Los modelos jerárquicos se usan en la mayoría de aplicaciones comerciales de modelización de elección, por lo que es importante entender cómo funcionan.
Iniciar capítulo
Modelización de elección para marketing en R
Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.
Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Modelización de elección para marketing en R hoy mismo!

Crea tu cuenta gratuita

Continuar con GoogleMostrar más opciones

o


Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.