Pesquisa de consumidor e mercado com o JMP®

O marketing é complexo e orientado por tecnologias digitais em rápido desenvolvimento. Ainda assim, os principais problemas comerciais resistem: encontrar oportunidades de crescimento mais rentáveis, desenvolver melhores produtos e serviços, adotar a melhor ação de marketing e maximizar o impacto entre negócios.

Além do foco constante no cliente – atual ou potencial – um dos requisitos essenciais é que seja orientado por dados. Os dados são universais em todos os aspectos de encontrar os consumidores e fazê-los felizes, desde o lançamento de novos produtos ou serviços, até o posicionamento, construção de identidade de marcas, publicidade, segmentação e promoção. Embora a revolução digital ofereça a promessa de alterar positivamente a dinâmica com os consumidores, essa oportunidade se tornará real somente se você conseguir aproveitar com sucesso novos dados, para entender com mais clareza o que grupos específicos de consumidores realmente querem e como é possível atendê-los de uma maneira melhor ou até mesmo moldar suas necessidades.

Se você estiver realizando uma pesquisa exploratória, descritiva ou causal, utilizando fontes primárias ou secundárias, o JMP fornece um repertório abrangente de ferramentas para obter valor de maneira rápida e fácil a partir de dados quantitativos métricos e não métricos.

Normalmente, muitas variáveis estão envolvidas. As técnicas de interdependência consideram todas as variáveis em relação de igualdade, enquanto as técnicas de dependência visam identificar as relações entre grupos de variáveis, geralmente entre entradas (Xs) e saídas, resultados ou itens (Ys).

A agilidade e a interatividade do JMP o tornam particularmente adequado para estudos específicos, mas sua capacidade de programação também oferece opções para acelerar estudos rotineiros e contínuos dentro dos limites de um aplicativo de desktop.

Não importa qual seja seu nível de conhecimento estatístico, o JMP o ajuda a entender seus dados, encontrar novas percepções do consumidor de maneira mais rápida e repassar essas informações a outras partes interessadas, para que orientem o consenso e a ação.

Pesquisa Exploratória

Problemas e oportunidades mal definidos relacionados com os consumidores são geralmente esclarecidos e filtrados usando uma combinação de entrevistas, grupos focais e estudos observacionais e etnográficos. A pesquisa exploratória também é utilizada para formular hipóteses e desenvolver escalas de medição. Geralmente, os dados primários são escassos e os dados secundários são abundantes.

O JMP fornece muitas opções de manipular dados primários, incluindo as plataformas Tabular, Desenvolvedor de Gráficos e Categórica. É possível definir interativamente tabelas de resumos estatísticos com variáveis de agrupamento e gerar uma infinidade de tipos de gráficos, incluindo mapas geográficos. Você pode explorar e analisar o padrão de respostas categóricas a partir de pesquisas e manipulação de dados, em diversos formatos. No caso de dados esparsos, a definição de “supercategorias” combina níveis para aumentar a contagem de células, tornando os resultados mais confiáveis. A Análise de Itens fornece uma abordagem alternativa quando há um conjunto de itens que receberam valores sim/não dos participantes. O JMP Pro fornece testes exatos e assintóticos com uma indicação mais confiável quanto a existência efetiva de uma associação. O Explorador de Textos extrai padrões potencialmente úteis de um conjunto de documentos e cada um deles pode ser simples (por exemplo, uma resposta de texto livre à pergunta de uma pesquisa) ou complexo (como comentários de um técnico realizando a manutenção agendada de um equipamento).

Todas essas análises também podem ser usadas com dados secundários, mas isso pode ser mais difícil de se trabalhar de maneira eficaz, uma vez que os dados foram coletados para atender a objetivos diferentes. O assistente de importação do JMP oferece suporte a muitos tipos de arquivos, incluindo o SPSS Desktop Reporter. Também é possível importar dados diretamente de tabelas em HTML integradas em páginas da Web ou usar o Desenvolvedor de Consultas para simplificar o acesso a dados relacionais.

O fluxo de trabalho de descobertas estatísticas do JMP é bastante adequado a situações nas quais informações contidas em seus dados não estão claras e como elas podem ajudar (ou não) a atingir os seus objetivos. O recurso Padrão de Dados Ausentes permite isolar rapidamente casos que serão informativos. Gráficos vinculados dinamicamente no JMP permitem que você veja rapidamente qualquer estrutura interessante nos dados, isole casos incomuns e manipule-os apropriadamente. Para modelar relações, o recurso Avaliar Projeto mostra com quais modelos seus dados realmente serão compatíveis, bem como estima a potência de cada termo envolvido.

E se houver muitas colunas e dados muito desorganizados com muitos valores atípicos, a Triagem de Respostas ou a Partição ainda poderão permitir que você receba insights úteis sobre quais Xs podem ajudar a explicar a variação de determinado Y.

Pesquisa Descritiva

Pesquisas descritivas geralmente se baseiam em exploração prévia para descrever mercados, segmentos, concorrentes e consumidores. Também são usadas para medir o desempenho dentro de uma estrutura definida, geralmente de modo contínuo.

A maioria dos dados de pesquisa de consumidor tem muitas colunas e, portanto, técnicas multivariadas que exploram correlações e associações são usadas para descrever o padrão de variação usando menos dimensões. Idealmente, mas nem sempre, as novas variáveis importantes resultantes podem receber interpretações diretas e os dados revelar padrões óbvios e informativos.

O JMP fornece o componente principal e a análise fatorial, mas se os resultados forem difíceis de interpretar, você ainda poderá reduzir a dimensionalidade agrupando as variáveis originais e identificando a mais representativa de cada agrupamento. Isso é quando se deseja criar um modelo de dependência. Os mapas perceptivos ajudam a posicionar as ofertas em relação a concorrência, realizando a análise de uma ou múltiplas correspondências de dados categóricos tabulados cruzados. Como alternativa, é possível usar o Escalonamento Multidimensional para mapear múltiplos atributos e múltiplas marcas simultaneamente, muitas vezes fornecendo uma compreensão maior da percepção de consumidores e dos mercados.

Para segmentar casos em grupos distintos, o JMP usa métodos hierárquicos ou de k-médias com sua escolha de medida de similaridade; no caso hierárquico, é possível selecionar diretamente no dendrograma os agrupamentos que você deseja manter. O JMP também fornece análises de classes latentes como forma alternativa de atingir objetivos semelhantes.

Você pode identificar variáveis que melhor separam grupos usando análises discriminantes, geralmente como alternativa à regressão logística nominal. 

O JMP também permite criar modelos de dependência simples usando o recurso Fit Y by X (Ajustar Y em função de X), que responde automaticamente aos tipos de modelagem das variáveis que se atribui aos papéis de X e Y para unificar muitas abordagens comumente utilizadas, como as análises ANOVA e de contingência. As opções específicas do contexto orientam por meio de análises subsequentes com resultados visuais.

Você pode ajustar modelos de dependência mais complexos, selecionando variáveis importantes por intermédio da regressão "Stepwise". O JMP Pro, que é a versão de análise avançada do JMP, inclui modernas técnicas de seleção de variáveis para ajudar a construir modelos simples. A Máxima Verossimilhança Residual também é fornecida para garantir estimativas confiáveis, independente do equilíbrio dos seus dados. 

Embora as estimativas de coeficientes possam ser úteis, criar o perfil da dependência resultante entre Ys e Xs é, em geral, mais útil, principalmente se você precisar analisar modelos concorrentes ou comunicar descobertas a outras pessoas, para gerar consenso. O Criador de Perfil permite a interação visual com modelos de forma consistente, independente das abordagens de modelagem usadas. Ele também inclui um simulador de Monte Carlo para avaliar como a variabilidade real em X será propagada para a variabilidade em Y.

Por fim, para dados de pontos de venda, é possível usar a Análise de Associação (também conhecida como Análise de Cesta de Compras), para identificar itens que os consumidores geralmente compram juntos.

Pesquisa Causal

Definir a causa requer uma teoria explicativa, uma relação estatística, ordenação do tempo correto e controle adequado de quaisquer outros Xs considerados divergentes.

Experimentos projetados estatisticamente, nos quais Xs são manipulados de acordo com um plano específico para induzir deliberadamente a variação em Ys, são uma ferramenta poderosa na pesquisa causal.Para qualquer experimento, o plano molda a análise subsequente e o JMP fornece um conjunto abrangente de recursos para atender a todos os seus objetivos experimentais, de uma maneira que você possa facilmente utilizar – desde estabelecer de forma confiável qualquer diferença entre dois tratamentos, para otimizar conjuntamente múltiplos Ys acionados por múltiplos Xs, alguns cuja variação pode ser muito difícil na prática.

Além dos modelos clássicos usuais, o JMP fornece um inovador desenvolvedor personalizado que permite ajustar o modelo ao seu problema, ao invés do oposto. Adicionalmente, os novos experimentos de triagem definitiva, exclusivos do JMP, oferecem vantagens claras quando o problema exige uma abordagem sequencial.

O JMP também permite gerar projetos em que escolhas simples entre características de um produto ou serviço são apresentadas a consumidores, para que estes possam indicar mais claramente suas preferências. Esses experimentos preferenciais exigem declarações de conhecimento prévio para gerar um projeto eficiente. Incluir o custo como um fator e realizar esses experimentos inicialmente para um produto ou serviço proposto tem inúmeras vantagens.

Além de experimentos preferenciais, o JMP permite elaborar e analisar experimentos conjuntos de avaliação e classificação. O desenvolvedor personalizado oferece suporte a projetos que envolvem classificações do consumidor em uma escala de Likert. Quando os participantes são forçados a diferenciar entre marcas ou características de um produto, é possível usar classificações ou modelos MaxDiff, que focam apenas na “melhor” e “pior” opção.

Definir os fatores como difíceis ou muito difíceis de alterar permite gerar projetos de classificação com múltiplas tarefas por participante. Isso permite uma melhor cobertura, evitando, ainda, a exaustão dos entrevistados ao minimizar o número de perguntas que cada um vê. Também é possível eliminar perguntas sem sentido ao definir combinações não permitidas no modelo personalizado gerado pelo JMP. Além disso, você pode modelar, sem restrições, as diferenças entre os participantes usando a Abordagem Hierárquica Bayesiana.

Estudos Sensoriais

Os estudos sensoriais visam compreender como nossos sentidos humanos contribuem para a experiência geral de consumo ou uso de um produto. Os painéis sensoriais são compostos de especialistas com treinamento especial, que dão um feedback muito detalhado que são normalmente utilizados no desenvolvimento de novos produtos e para proteger a qualidade de produtos existentes, quando alterações são realizadas. Os painéis de degustação para consumidores são semelhantes, mas, em geral, menos rigorosos e ajudam mais na aceitação do mercado. Embora cada um seja importante, correlacionar com sucesso os resultados de um painel sensorial aos resultados de um painel de consumidores, acerca de uma categoria de produto específica, apresenta uma capacidade ainda mais poderosa.

Não importa qual seja seu fluxo de trabalho de análise preferido, o JMP fornece todas as ferramentas gráficas e estatísticas necessárias para garantir que as classificações e avaliações produzidas pelos avaliadores sejam confiáveis e, em seguida, verificar se o painel sensorial ou de consumidor realmente permite diferenciar de forma objetiva e quantitativa os produtos. A ANOVA e/ou a regressão com efeitos aleatórios são tipicamente usadas e, geralmente, complementadas com uma análise dos componentes principais. Usar Mínimos Quadrados Parciais também pode permitir que você modele a relação entre os resultados sensoriais e de consumidores.

Quando sua abordagem é clara, é possível criar facilmente aplicativos que ajudem você ou outras pessoas a replicar a análise no futuro, ou simplesmente analisar ou apresentar as principais descobertas. O aplicativo pode incluir um nível apropriado de automação, orientação e interpretação, lidando com as nuances de sua situação específica e seus.

Comportamento Preditivo

São previstos Ys a partir de Xs usando dados observacionais, geralmente já disponíveis. Embora não consigam determinar a causalidade, as previsões de comportamento futuro do consumidor, se forem confiáveis, ainda podem ser muito valiosas. Por exemplo, boas previsões podem ajudar a atrair novos e rentáveis consumidores ou direcionar ofertas com precisão àqueles que estão prestes a se afastar, e convencê-los a ficar.

Comumente associado com o campo de mineração de dados, o JMP – e particularmente o JMP Pro – permite construir e comparar, de maneira fácil e rápida, a rede neural e modelos baseados em árvores, que captam comportamentos repetitivos, ao invés de ocasionais, de consumidores. Modelos baseados em regressão e em Mínimos Quadrados Parciais também podem ser manipulados dentro da mesma estrutura para evitar as armadilhas do excesso de ajuste.

Além disso, o JMP Pro fornece uma modelagem aprimorada para permitir que você gerencie melhor as relações com os consumidores que somente respondem às ações de marketing por serem a eles direcionadas. Você também pode modelar o impacto incremental de ações ou tratamentos na resposta de um indivíduo, a fim de saber se elas estão dando o retorno desejado.

O Repositório de Fórmulas do JMP oferece uma maneira fácil de comparar e contrastar o desempenho de modelos concorrentes. Após escolher o vencedor, é possível gerar códigos em C, Python, JavaScript e SAS, que podem ser implementados em outros ambientes para classificar novos casos.

Embora seja geralmente considerado apenas para praticantes avançados, o JMP fornece as técnicas de forma consistente e fácil de usar, acessível a todos os pesquisadores, sem diluir o poder dos algoritmos subjacentes.

Back to Top