Resumen de Estimación bayesiana del parámetro de decepción en modelos de elección discreta bajo el paradigma RRM (Random Regret Minimization): aplicación al diseño de exhibiciones en grandes superficies
Carlos Gabriel Contreras Serrano
El presente estudio compara dos enfoques metodológicos para analizar experimentos de elección discreta con el fin de identificar la estrategia óptima de organización de productos en góndolas de supermercados y reducir la complejidad cognitiva para el comprador durante el proceso de compra. Se contrastan el modelo Logit Multinomial Mixto basado en la Maximización de la Utilidad Aleatoria (RUM) y el Modelo Logit Multinomial Mixto con estimación bayesiana de parámetros bajo el enfoque de Minimización del Arrepentimiento Aleatorio (RRM). El experimento, diseñado de manera factorial fraccionada y realizado con la participación de 748 compradores colombianos en la categoría de crema dental, revela que el modelo RRM bayesiano ofrece predicciones más sensibles en comparación con el MNLRUM, especialmente en productos con participaciones de mercado medianas o pe-que ̃nas. Asimismo, la obtenci ́on de distribuciones posteriores de los parámetros que impactan variables como precio, beneficios, marca y posición en la góndola permite realizar simulaciones precisas de diversos escenarios. Estas simulaciones capturan la heterogeneidad no observada en las preferencias individuales de los compradores, lo que favorece la toma de decisiones en la negociación de estrategias de exhibición con grandes superficies. Además, las distribuciones posteriores ofrecen ventajas adicionales al contar con densidades empíricas conocidas, superando las limitaciones de los métodos estándar de estimación de parámetros en términos de optimización estadística.
