Aprendizaje automático en los análisis prospectivos de mercado: caso de estudio para dispositivos móviles

Abstract

[spa] Se presenta un método para evaluar mediante Aprendizaje Automático, el proceso de incorporación de las tendencias predecibles en el caso de uso del mercado de dispositivos móviles: una cosa es lo que se dice que se va a decidir, y la otra lo que se acaba decidiendo. El procedimiento consta de una primera fase de definición de las escalas de Utilidad y Refuerzo, y en una segunda fase su análisis con programación evolutiva de redes neuronales de decisión (fabricantes y consumidores). El objetivo no es pronosticar, sino ilustrar cómo incorporar la experiencia como filtro inteligente de la motivación inicial a la decisión. Mediante un ejemplo simplificado, los resultados de la simulación basada en las tendencias sometidas a la experiencia, recomiendan no seguir las indicaciones para la convergencia de la oferta según los propios analistas especializados y que los fabricantes centren sus argumentos e inversiones en la integración con dispositivos externos, obviando la resolución de las pantallas, la capacidad de juegos, Realidad Aumentada y Realidad Virtual, la conectividad 5G, la sostenibilidad o la seguridad, antes de atender a las declaradas tendencias de compradores y vendedores. Los demás argumentos de los vendedores y motivaciones de los compradores, serán escasamente apreciados o directamente irrelevantes, a pesar de lo que honestamente manifiesten, ya que en la interacción de sus intenciones, la decisión final va a depender de unas más que de otras

[eng] Actions speak louder than words. This study introduces a Machine Learning method to evaluate the incorporation process of predictable trends within the mobile device market. It underscores the discrepancy between stated intentions and actual decisions. The proposed methodology initiates with defining Utility and Reinforcement scales, followed by an analysis using evolutionary programming of decision neural networks for both manufacturers and consumers. The objective is not to predict but to demonstrate, how experience can be integrated as an intelligent filter from initial motivation to final decision-making. In this simplified example, simulation results based on trends subjected to experiential analysis suggest diverging from analysts’ recommendations for supply convergence. Instead, it advises manufacturers to focus their arguments and investments on integration with external devices, while deprioritizing factors such as screen resolution, gaming capabilities, Augmented Reality, Virtual Reality, 5G connectivity, sustainability, and security. This shift occurs before considering the stated trends of buyers and sellers. The study reveals that most of the sellers' arguments and buyers' motivations will be minimally valued or deemed irrelevant, despite honest declarations. Ultimately, the interaction of these intentions indicates that final decisions will prioritize certain factors over others