Los investigadores de la Universidad Estatal de Washington han desarrollado un nuevo modelo de predicción que ayuda a las empresas a evaluar con mayor precisión cuántos usuarios están interesados en un producto, incluso cuando faltan datos clave.
Apareció en el diario Gestión de producción y operacionesEste estudio introduce un método de modelado de matemáticas que permite a las empresas evaluar más interés de los consumidores que las transacciones completas y las técnicas de pronóstico tradicionales. El enfoque ofrece una forma más precisa de comprender la demanda, mejorar las operaciones y mejorar la toma de decisiones.
“La mayoría de las empresas solo pueden ver una parte de la imagen de la demanda: saben quién compra, pero cuántas personas consideran y no”, dijo Sanching Wang, autor principal de Operations Management en WSU’s Carson College of Business. “Nuestro modelo reorganiza las piezas perdidas, que proporcionan a las empresas una demanda más completa y confiable”.
En industrias como viajes, hospitalidad, comercio minorista y comercio electrónico, las empresas han estado luchando durante mucho tiempo con las predicciones. Muchas personas confían en supuestos amplios, como estimar el tamaño total del mercado en función de su participación en el mercado. Según Wang, estos métodos tradicionales a menudo no logran capturar el comportamiento original de los consumidores, lo que causa una interpretación errónea de las ventas y las oportunidades de ingresos.
Wang y su co -autorista Vikan Suu, quien es un estudiante de doctorado de Carson en Ciencias de la Administración, desarrollaron un nuevo enfoque que no solo tiene una estimación de las ventas sino también el número total de consumidores que consideran las compras. Al analizar los datos de ventas del mundo real con mayor precisión, el modelo proporciona una teoría clara de cuántos consumidores se han ido debido a precios, tiempo u otros factores.
Para desarrollar su modelo, los investigadores utilizaron una técnica computacional que se denomina algoritmo relacionado con relacionado con el menor relacionado, lo que mejora la precisión de la predicción de la demanda. A diferencia de los métodos tradicionales, que pueden producir múltiples estimaciones de demanda potenciales que no tienen una forma obvia de determinar, este algoritmo, bajo los términos de los datos específicos identificados en sus estudios, garantiza un pronóstico único y extremadamente preciso. “Al eliminar la incertidumbre, los negocios pueden tomar más y más decisiones”, dijo Wang.
Dado que el modelo fue diseñado para trabajar con datos incompletos, sus aplicaciones van más allá de cualquier industria.
Aunque este estudio probó el modelo utilizando datos de ventas de boletos de aerolíneas, Wang dijo que este procedimiento está diseñado para aplicarse en industrias donde las empresas enfrentan una incertidumbre de demanda similar.
Los hoteles también pueden usarlo para predecir la reserva, incluso cuando los pasajeros navegan pero no se reservan. Los minoristas y los supermercados pueden aplicarlo para evaluar la demanda total del mercado, incluso cuando algunos consumidores compran en competidores. La plataforma E -Commerce puede comprender mejor el carrito de compras y mejorar la estrategia de ventas en consecuencia.
Wang dijo: “Este modelo proporciona una herramienta poderosa para las industrias donde los datos incompletos han sido un desafío constante”. “Al mejorar la predicción de la demanda, las empresas pueden planificar de manera más eficiente, mejorar las operaciones y eventualmente ser más competitivos”.
