Advanced conjoint analysis using feature selection via support vector machines

یکی از وظایف اصلی تجزیه و تحلیل مشترک، شناسایی ترجیحات مصرف کننده در مورد محصولات و خدمات بالقوه است. بر این اساس، روش های برآورد متفاوت برای تعیین ویژگی های مرتبط مربوطه پیشنهاد شده است. بسیاری از این روش ها به پردازش پس از ترجیحات برآورد شده برای تکیه بر اهمیت این متغیرها متکی هستند. این مقاله تکنیک های جدیدی را ارائه می دهد که به طور همزمان ترجیحات مصرف کننده و ویژگی های مرتبط را شناسایی می کند. رویکردهای پیشنهادی دارای دو ویژگی جذاب هستند. اولا، آنها براساس یک فرمول پشتیبانی برنده پشتیبانی می شوند که توانایی پیش بینی مهمی در زمینه های مدیریت و بازاریابی عملیات را نشان می دهد و در مرحله دوم، بازنمایی بیشتری از ترجیحات مصرف کننده از مدل های سنتی به دست می آید. ما نتایج یک مطالعه شبیه سازی گسترده ای را نشان می دهد که نشان می دهد بر خلاف روش های موجود، رویکرد ما می تواند به درستی پارامترهای مدل و ویژگی های مربوطه را بازیابی کند. علاوه بر این، ما از دو آزمایش انتخابی هم استفاده می کنیم که نتایج آن نشان می دهد که تکنیک های پیشنهادی دارای دقت بهتر و پیش بینی کننده تر از روش های سنتی هستند و علاوه بر این، درک بهتر از ترجیحات مشتری را ارائه می دهند.