MESTRADO EM PESQUISA DE MERCADOS

Transcrição

1 MESTRADO EM PESQUISA DE MERCADOS PROGRAMA DAS DISCIPLINAS 1

2 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b) estejam aptos a responder a um briefing de um hipotético cliente, (c) consigam adequar a abordagem da pesquisa e o tipo de dados a recolher aos objectivos da investigação; (d) conheçam os principais processos de amostragem e o seu efeito na precisão das estimativas; (e) reconheçam as principais características, bem como limitações, dos inquéritos por questionário e dominem o processo de construção e administração de um questionário. Programa 1. Objectivos da pesquisa de mercados. 1.1 Design do estudo de mercado. 2. Recolha de informação 2.1 Exploratória e confimatória, primária e secundária 2.2 Fontes de dados primários: métodos qualitativos e quantitativos 2.3 Processos de amostragem População alvo e base de sondagem Processos aleatórios Processos não-aleatórios ou dirigidos Dimensão da amostra e precisão das estimativas 2.4 Instrumento de recolha de informação Construção do questionário Escalas de atitude e opinião 2.5 Pré-teste ao questionário 2.6 Trabalho de campo Avaliação da qualidade das sondagens Erros amostrais e erros não-amostrais 3. Elaboração do relatório do estudo 4. A ética nas sondagens e estudos de mercados ESTATÍSTICA MULTIVARIADA: MÉTODOS DE DEPENDÊNCIA Esta disciplina tem como objectivo transmitir os fundamentos das técnicas multivariadas de dependência mais relevantes em Análise de Dados e no apoio à decisão. Os métodos de dependência baseiam-se no uso de um conjunto de variáveis independentes para prever, predizer e explicar uma ou mais variáveis dependentes. De entre estes métodos, serão focados os de regressão múltipla, de regressão logística e de análise discriminante. 1. INTRODUÇÃO METODOLÓGICA 2. ANÁLISE DE REGRESSÃO LINEAR 2.1. Análise de regressão linear simples 2.2. Análise de regressão linear múltipla 2

3 2.3. Relaxar as hipóteses do modelo de regressão linear 2.4. Detecção de outliers e observações influentes 2.5. Erros de especificação 3. INTRODUÇÃO AOS MODELOS DE ESCOLHA QUALITATIVA 3.1. O Modelo Probabilístico Linear 3.2. O Modelo Probit 3.3. O Modelo Logit 4. ANÁLISE DISCRIMINANTE ESTATÍSTICA MULTIVARIADA: MÉTODOS DE INTERDEPENDÊNCIA Objectivos Esta disciplina tem como objectivo principal proporcionar a quadros empresariais e académicos um nível avançado de competência na análise e tratamento da informação. Este nível é conseguido através de um processo de formação que, a par das actividades lectivas, inclui a intervenção na definição e resolução de problemas concretos das empresas. Assume-se como segundo objectivo fornecer aos estudantes do mestrado o saber teórico ao nível dos conceitos básicos de alguns métodos estatísticos multivariados e das suas condições de aplicação prática. Neste contexto, o programa permite uma abordagem da disciplina como uma componente do Sistema de Informação para Gestão (Estratégica, Comercial, Financeira, Produtiva, Organizacional) e procura encontrar um equilíbrio entre o pragmatismo instrumental e a apresentação e sistematização de conceitos e modelos teóricos. Programa 1. Introdução O conceito de Estatística Multivariada nas obras de referência A utilização da Estatística Multivariada nas ciências empresariais, económicas e sociais. Exemplos. 2. Estatística uni e bivariada (revisões) Estatística descritiva. Tipos de variáveis e de escalas de medida Inferência estatística. 3. Casos de aplicação da estatística descritiva e testes de hipóteses paramétricos e nãoparamétricos com SPSS. 4. Populações multivariadas. 5. Variáveis aleatórias multidimensionais. 6. Amostras aleatórias. 7. Distribuição normal multivariada 8. Estimadores de máxima verosimilhança 9. Inferência estatística Testes de hipóteses multivariados Teste para um vector de médias Teste para a igualdade de dois vectores de médias Teste para a igualdade de duas matrizes de variância-covariância Análise de variância multivariada MANOVA (simples). 3

4 Teste M de Box para a igualdade de matrizes de variância e covariância. 10. Análise de componentes principais Derivação das componentes principais. Decomposição da variância total e número de componentes a reter Métodos de rotação das componentes. Interpretação das componentes principais Coeficiente α de Cronbach. 11. Análise de clusters Métodos hierárquicos de partição de indivíduos Medidas de distância e de semelhança Critérios de agregação Validação do número de grupos a escolher. 2º Trimestre DATA MINING A existência de bases de dados de grandes dimensões é, hoje em dia, um facto crescentemente frequente em ambientes empresariais. Por esta razão o Data Mining tem vindo a ganhar notoriedade, já que as metodologias de aprendizagem por máquina de que dispõe possibilitam a extração de informação útil dessas bases de dados. Nesta cadeira serão transmitidos conhecimentos sobre algoritmos de aprendizagem automática, supervisionada e não supervisionada, como instrumentos de aquisição de conhecimento a partir de bases de dados. Nas aplicações (previsão e agrupamento) recorrer-se-á a software específico. 1. Conceitos base 2. Ajustamento e Sobreajustamento de Modelos 3. Árvores de Decisão: algoritmo CART 4. Redes Neuronais: algoritmo Backpropagation DATABASE MARKETING Pretende-se que os alunos conheçam esta área multidisciplinar que integra: as bases de dados, os modelos de segmentação e a interacção com o cliente. Ao mesmo tempo irão tomar contacto com ferramentas para implementação de programas de Database Marketing / CRM - Customer Relationship Management, através de aplicações nos laboratórios de informática e com a resolução de casos de estudo. 1. Introdução ao Database Marketing 1.1. Do Marketing de Massas ao Marketing Relacional 2. Gestão da Base de Dados 2.1. Estrutura de uma base de dados. Linguagem SQL 2.2. Dos Sistemas Transaccionais aos Data Warehouses 3. Modelos de Segmentação e Personalização 3.1. Segmentação de Clientes: RFM, LTV 3.2. Determinação do Próximo Produto 4. Interacção com o Cliente 4

5 4.1. Satisfação e Fidelização de Clientes 4.2. Canais: Direct Mailing, Telemarketing, Internet, SMS, TV interactiva ANÁLISE MULTIVARIADA DE DADOS QUALITATIVOS Esta disciplina tem como objectivo disponibilizar os fundamentos de um dos métodos multivariados de interdependência entre os mais relevantes em análise de dados: a análise de homogeneidade. Explorar-se-á a sua concretização quer em variáveis tratadas apenas ao nível nominal (HOMALS), quer sobre variáveis assumidas em diferentes níveis de medida (CATPCA). A par da importância da aprendizagem dos métodos, investir-se-á na sua vertente mais aplicacional, apoiada no software estatístico SPSS, no sentido de preparar os alunos para uma das etapas essenciais do processo de pesquisa empírica e que é justamente a análise de dados. 1. Uma introdução aos métodos de maximização da homogeneidade 2. Análise de Homogeneidade (HOMALS) 3. Análise não-linear em Componentes Principais (CATPCA) 3º Trimestre SEGMENTAÇÃO E POSICIONAMENTO A segmentação de clientes, a estruturação de mercados e o posicionamento de produtos ou serviços são instrumentos indispensáveis de apoio à tomada de decisões em Marketing, fornecendo aos gestores uma melhor compreensão dos mercados e informação susceptível de sustentar políticas de diferenciação. Nesta disciplina, são abordadas diversas questões relevantes no estudo de problemas de segmentação: concretização de objectivos, selecção de variáveis base de agrupamento e processos de segmentação. Estudam-se, ainda, metodologias de avaliação e caracterização de uma estrutura de segmentos. O estudo do MDS-Multidimensional Scaling proporcionará meios de abordagem de problemas de posicionamento. 1. Segmentação 1.1 Classificação das metodologias 1.2 Árvores de Decisão 1.3 Modelos de Segmentos Latentes 1.4 Avaliação de Estruturas de Segmentos 2. Posicionamento 2.1 MDS métrico e não métrico 2.2 MDS sobre medidas de dissemelhança 2.3 MDS sobre medidas de preferência 5

6 MODELOS DE PREFERÊNCIA E ESCOLHA A compreensão do processo de tomada de decisão é um aspecto central a todas as ciências sociais, seja na decisão de voto (Ciência Política), o transporte a utilizar (Economia), ou a marca do produto a comprar (Marketing). Após a introdução dos fundamentos comportamentais e económicos da tomada de decisão, será apresentada e ilustrada a modelação de dados de preferência e escolha. Das técnicas a estudar, com enormes potencialidades para as ciências sociais em geral, e marketing research em particular, destacam-se a análise conjunta (conjoints) e os modelos de escolha discreta. Diversas extensões dos modelos de preferência e escolha, como seja para dados de painel ou inclusão de heterogeneidade não observada, são igualmente abordadas. 1. Introdução e conceitos prévios 2. Conjoint analysis 3. Modelos de escolha discreta 4. Modelos com heterogeneidade não observada 5. Extensões aos modelos de preferência e escolha 6