Ingeniera Civil Industrial / Bajo un contexto de compras y ventas, los procesos de decisión comienzan desde el momento en que una persona adquiere información sobre algún producto o servicio que se tenga interés en adquirir. De esta manera, la forma en la que se recopila la información, los juicios y las razones de cada consumidor que influyen en la toma de decisión, son interesantes de estudiar porque permiten comprender parte del comportamiento individual de los consumidores. Cuando un consumidor se ve enfrentado a una decisión, tiene múltiples caminos a seguir para dar con alguna elección. Estos caminos suelen estar condicionados por las preferencias y los gustos de los tomadores de decisión, y son denominados como reglas de decisión. Por lo tanto, las reglas de decisión son un conjunto de condiciones bajo las cuales se puede elegir o rechazar una determinada alternativa. Conocer las reglas de decisión que utilizan los individuos puede ser de gran interés para los investigadores porque, de esta forma, se podría predecir las futuras elecciones de los consumidores. Hasta el momento, los estudios relacionados a comprender los procesos de decisión han combinado diversas técnicas del tipo cualitativas y cuantitativas. En particular, esta investigación utiliza técnicas cuantitativas para poder comprender, diferenciar y predecir el comportamiento de individuos que participaron en dos experimentos de simulación de compras. Los experimentos mencionados, simulan la oferta de un producto (o servicio), en donde los participantes deben escoger una alternativa. Durante estos procesos de elección, los individuos utilizan herramientas de Eye tracking, las que permiten registrar todo el comportamiento visual. Esta información adicional es la base de este trabajo de investigación y su importancia radica en que permite comprender qué es lo que buscan los participantes y el camino recorrido para dar con su elección a través de la información visual. A partir de los datos visuales recopilados del primer experimento, se construyen modelos matemáticos que permiten predecir el tipo de regla de decisión usada por los encuestados, acertando en el 95\% de los casos. Las restricciones impuestas en los modelos utilizados para esta predicción, configuran un escenario ideal que no representa correctamente una situación real. Por este motivo se realiza un análisis sobre los datos del segundo experimento, en cuyo caso se busca predecir la alternativa elegida por los encuestados, lográndolo correctamente en un 61\% de los casos. En función de estos análisis, se demuestra que la información visual puede ser muy útil para entender el comportamiento de los consumidores. Finalmente, se propone para futuras investigaciones, adaptar los modelos aquí propuestos, incluyendo nuevas variables que permitan acercar el estudio a un escenario cada ves más real.

Ingeniera Civil Industrial / El estudio de la forma en la que el consumidor toma decisiones de compra es de vital importancia en marketing. Los equipos de marketing necesitan entender lo que valora el consumidor al momento de elegir un producto o servicio y por qué lo valora, para enriquecer el producto de acuerdo a sus gustos y mejorar la manera de exponer informaciones sobre el producto. En las técnicas usuales de análisis conjunto, se analizan las decisiones del consumidor frente a elecciones diseñadas por el investigador para deducir sus preferencias y gustos en los distintos atributos de un producto e inferir sus elecciones futuras. Esta memoria busca predecir no sólo la elección sino también la regla de decisión, utilizando los movimientos de ojos del consumidor durante el proceso de elección. En particular, se estudia la regla conjuntiva, no-compensatoria, en la cual se definen niveles mínimos aceptables para cada atributo. Las alternativas cuyos niveles sobrepasan estos niveles mínimos para todos los atributos son satisfactorias. El estudio se desarrolla con datos de un experimento de análisis conjunto en el cuál se pidió a los participantes seguir distintas reglas conjuntivas, que varían por sus distintos niveles mínimos aceptables. Luego de un análisis descriptivo del comportamiento visual de los participantes, se elaboran distintos modelos a partir de los datos de eye tracking. Estos modelos logran predecir la regla conjuntiva usada con una tasa de acierto de 88% y elecciones futuras con una hit rate de 75%, con 10 preguntas de entrenamiento. Se compara el desempeño de este enfoque con modelos que usan elecciones pasadas, que arrojan una tasa de 100% en la predicción de la regla usada con el mismo conjunto de entrenamiento. Finalmente, se aplican los modelos a un segundo experimento en el cual los participantes eligieron de manera libre, sin regla impuesta. Se logra predecir elecciones futuras con elecciones pasadas con una hit rate de 57% y con el movimiento ocular con una hit rate de 36%. Resulta que el hecho de agregar información de movimientos de ojos a los modelos que usan elecciones pasadas no mejora su desempeño. Se concluye que el comportamiento visual, si bien es consistente con las elecciones de un consumidor, no aporta más información acerca de su regla de decisión conjuntiva. Se propone, para futuras investigaciones, integrar el modelo con otros que suponen otras reglas de decisión, para abarcar la diversidad de reglas usadas en la realidad.

Memoria para optar al título de Ingeniero Civil Industrial / El diseño de productos, como la selección de surtido de productos, representan decisiones críticas a las que se ven enfrentados los retailers. La variedad y tipo de productos que se disponen condicionan de manera sustancial el comportamiento de compra de los consumidores y, por ende, las utilidades que reciben las compañías de la industria. En un mercado creciente, en que la cantidad de nuevos productos introducidos aumenta año tras año, resulta natural suponer que los individuos no consideran, ni evalúan todos los atributos de las alternativas a las que se exponen. De esta forma, se espera que se centren en aquellas que le son más importantes, haciendo más fácil el proceso de elección. No obstante, la investigación en materia de diseño y planificación de surtido de productos se ha centrado tradicionalmente en el uso de preferencias compensatorias, según las cuales un consumidor considera todas las alternativas y atributos disponibles al momento de tomar la decisión de compra. El principal objetivo del presente trabajo es estudiar el diseño de productos cuando los consumidores utilizan reglas de decisión no compensatorias. Para ello, se estiman preferencias sobre un conjunto de datos simulados utilizando un modelo lexicográfico, el que se compara con un modelo compensatorio. Luego, empleando una heurística de programación dinámica, se determina el perfil de producto óptimo para cada modelo, cuyo desempeño se mide a través de un índice de participación de mercado y utilidad esperada, obtenida según una función de costos definida según el atractivo de los niveles de atributo considerados. A la vez, se replica este procedimiento sobre un conjunto de datos reales derivados de una encuesta de elección de cámaras fotográficas. Uno de los principales resultados es que se aprecian diferencias entre el tipo de producto obtenido con cada enfoque. Así, se observa que en la función de utilidad que tiene la compañía diseñando en base a un modelo no compensatorio parece importar más el factor demanda, obteniéndose mayores índices de participación de mercado respecto a un modelo compensatorio, donde es más relevante la estructura de costos. Por otro lado, al aplicar la metodología a un set de datos reales y comparar la utilidad obtenida con ambos enfoques, se distinguen mayores diferencias en el desempeño cuando el producto óptimo es evaluado asumiendo preferencias compensatorias versus no compensatorias, reafirmando el hecho que el modelo compensatorio es robusto en múltiples escenarios. Por último, para futuros estudios en la materia, se propone explorar modelos no compensatorios en el diseño de surtido de productos, junto a la aplicación de métodos de optimización alternativos a la programación dinámica, como el uso de algoritmos genéticos y estudiar la interacción de ambos enfoques, incluyendo condiciones y supuestos que permitan aproximar la investigación a un escenario más realista.