Escolar Documentos
Profissional Documentos
Cultura Documentos
Sistemas especializados
com aplicativos
Departamento de Administração de Empresas, Universidade Tamkang, 151 Ying-chuan Road, Taipei, Tamsui, Taiwan
b
Departamento de Sistemas de Informação Gerencial, Universidade Nacional de Chengchi, Taiwan
Abstrato
A precificação de bens de informação é um tópico essencial e emergente na era da economia da informação. Uma miríade de pesquisadores dedicaram-se
atenção considerável ao desenvolvimento e teste de métodos de precificação de bens de informação. No entanto, além disso; ainda há certos
deficiências como os desafios a serem superados. Este estudo abrange vários conceitos inexplorados que têm atraído a atenção de pesquisa em outras disciplinas
ultimamente, como prototipagem colaborativa, teoria de prospectos, teoria ERG e manutenção de design, economia,
psicologia e engenharia de software, respectivamente. Este estudo apresenta um sistema de precificação colaborativo para pacotes de bens de informação
e investiga o impacto de três vantagens: (1) fornece um processo colaborativo baseado em Markov que pode gerar vários protótipos por tentativa e erro no processo de
precificação, (2) tenta a otimização dupla de utilidade máxima do consumidor e lucro máximo do produtor,
e (3) oferece um pacote de serviços de bens de informação apropriado, interagindo com o consumidor, descobrindo as necessidades reais.
2007 Elsevier Ltd. Todos os direitos reservados.
Palavras-chave: Prototipagem colaborativa; cadeia de Markov; teoria ERG; Agrupamento de bens de informação
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1661
A seção 4 fornece o modelo de simulação e a análise de desempenho. recentemente atraiu a atenção de pesquisas em outras disciplinas, como
A Seção 5 discute brevemente os como prototipagem colaborativa, teoria da perspectiva, teoria ERG,
trabalhar. Por fim, as considerações finais são apresentadas em e manutenção desde o design, econômico, psicológico,
Seção 6. e engenharia de software, respectivamente. Nesta seção, nós
apresentar a estrutura do sistema iPrice (como mostrado em
2. A estrutura do sistema iPrice Fig. 1) que contém módulo de prototipagem colaborativa,
módulo de estimativa de preço ideal e revisão de versão
Nesta seção, descrevemos a arquitetura do sistema de módulo.
iPrice que compreende um conjunto de módulos (cada um dos quais é O módulo de prototipagem colaborativa é a base
apoiado com seus princípios ou teorias subjacentes). entre outros; e, além disso, aprofunda-se nos mais
Entre os módulos, o módulo de fundação é o módulo de prototipagem pacote apropriado, interagindo com o indivíduo. A prototipagem
colaborativa que é um módulo baseado em Markov colaborativa cria um ou vários protótipos
abordagem apoiada com a teoria ERG sobre um modelo e permite que ambas as partes antecipem o resultado e obtenham
da motivação humana. necessidades do processo de projeto. A estimativa de preço ótimo
módulo utiliza a teoria da perspectiva, que é um bem conhecido
2.1. Arquitetura do sistema doutrina e mais legítimo para resolver o efeito certeza que
é deficiente para a teoria da utilidade esperada. Este módulo aproxima
Em um mercado típico de bens digitais, o ambiente muda o preço ideal que leva o histórico e o perfil de preços
constantemente com demandas incertas e flutuantes em consideração simultaneamente. Além disso, o módulo de estimativa
todo o caminho. Assim, os modelos baseados em aprendizado de máquina de preço ótimo avalia o preço com base em
pode colocar todos os dados disponíveis em perspectiva e alterar a esforço de teste, taxa de design e custo. A versão revisional
estratégia de preços para melhor se adaptar ao ambiente. A interação, módulo ajusta periodicamente a versão com o menor
valor percebido e lucro são elementos essenciais lucrar utilizando o conceito de manutenção de software. este
neste tipo de modelo de acordo com a literatura. este módulo prevê o novo preço baseado em conhecimento com
artigo engloba vários conceitos inexplorados que têm regras diferentes.
Valor percebido
Otimização
GUI
(Introdução da versão)
Preço
<Indivíduo> Otimização
Histórico de preços
Revisor de versão
Módulo
Lucro
Otimização
Pool de serviços
Serviço
Versão
1662 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
2.2. Módulo de prototipagem colaborativa Necessidades de relacionamento: envolvem relacionamentos com outras
pessoas significativas (por exemplo, ser reconhecido e sentir-se seguro
O módulo de prototipagem colaborativa (módulo CP) é a base entre como parte de um grupo ou família).
outros módulos; enquanto isso, o objetivo é co-projetar o pacote com o Necessidades de crescimento: impelem uma pessoa a produzir efeitos
usuário que evoluiu de uma versão selecionada. Existem duas entradas criativos ou produtivos em si mesma e no ambiente (por exemplo, para
possíveis para o módulo de prototipagem colaborativa. Uma versão progredir em direção ao seu eu ideal).
selecionada do módulo GUI é uma das entradas para este módulo, enquanto
o feedback do usuário é outra entrada que aumentará a qualidade do Além disso, três relações entre diferentes categorias são identificadas
processo colaborativo. Por outro lado, um pacote final e o utilitário são duas na teoria ERG, que são satisfação-progressão (move-se para necessidades
saídas do módulo. O pacote satisfaz as necessidades do usuário e envolve de nível superior com base nas satisfeitas), frustração-regressão (retrocede
serviços combinados. das necessidades insatisfeitas atuais para necessidades de nível inferior),
e Satisfação de Facções (reforçar o nível atual de necessidades satisfeitas
de forma iterativa). Quanto às implicações para a gestão, a teoria ERG
auxilia os gestores a reconhecer que um funcionário tem múltiplas
2.2.1. Prototipagem necessidades para satisfazer simultaneamente. Além disso, se as
A prototipagem, que é o processo de desenvolvimento de protótipos, é oportunidades de crescimento não forem oferecidas aos funcionários, eles
parte integrante do design iterativo centrado no usuário; enquanto isso, podem regredir às necessidades de relacionamento.
permite que os designers experimentem as ideias com os usuários e
obtenham feedback. O principal objetivo da prototipagem é envolver os
usuários no teste de ideias de design e obter seu feedback no estágio inicial 2.3. Módulo de estimativa de preço ideal
de desenvolvimento; assim, reduzir o tempo e o custo (Abernathy &
Rosenbloom, 1968; Nelson, 1961; Ulrich & Eppinger, 1999, cap. 12). O módulo de estimativa de preço ótimo (Módulo OPE) é o componente
para estimar o preço ótimo de cobrança.
A prototipagem colaborativa é uma nova abordagem que se baseia na As entradas do módulo OPE são as informações de cada bundle e o perfil
noção de prototipagem. Ambientes colaborativos para desenvolvimento de do usuário. Enquanto isso, a saída é o preço ótimo que mistura e leva em
produtos tornaram-se o novo paradigma de design para organizações de consideração vários insumos. A noção de módulo OPE envolve o desenho
engenharia. A colaboração permite maior compartilhamento de informações, da teoria prospectiva e da conta mental que será detalhada nas subseções
engenharia simultânea, protótipos e testes virtuais e gerenciamento de seguintes.
qualidade total. Além disso, os benefícios previstos de um protótipo na
redução do risco devem ser ponderados em relação ao tempo e dinheiro
necessários para construir e avaliar o protótipo (Terwiesch & Loch, 2004). 2.3.1. Teoria da perspectiva
A teoria da perspectiva (PT) foi desenvolvida por Kahneman e Tversky
(1979) que se preocupa com o comportamento dos tomadores de decisão
Em resumo, a prototipagem colaborativa identifica os requisitos do sob risco. A definição da teoria da perspectiva é “tomada de decisão sob
usuário e fornece feedback sobre o projeto de trabalho em relação aos risco pode ser vista como uma escolha entre perspectivas ou apostas”. Ao
requisitos. Além disso, oferece algumas vantagens: (1) reduz o tempo de contrário da teoria da utilidade esperada (EUT), que se preocupa com como
desenvolvimento, custos e riscos, (2) exige o envolvimento do usuário para as decisões sob incerteza devem ser tomadas (uma abordagem prescritiva),
receber feedback do usuário, (3) facilita a implementação do sistema com a teoria prospectiva se preocupa com como as decisões são realmente
base na expectativa e satisfação do usuário e (4) expõe os desenvolvedores tomadas (uma abordagem descritiva) (Markowitz, 1952).
para aprimorar o produto no futuro.
A teoria da perspectiva tem sido usada com sucesso para explicar uma
série de quebra-cabeças em economia, especialmente para finanças
2.2.2. Teoria ERG A comportamentais. No entanto, existem vários fenômenos que violam esses
teoria ERG é um modelo de motivação humana surgido em 1969 por princípios da teoria da utilidade esperada, como efeito de certeza, efeito de
Clayton Alderfer que estendeu e simplificou a Hierarquia de Maslow em um reflexão e efeito de isolamento. Por exemplo, se houver um problema para
conjunto mais curto (Alderfer, 1972). uma pessoa tomar a decisão de que:
Enquanto isso, aborda a questão de “o que motiva uma pessoa a agir?” e
assume que todas as atividades humanas são motivadas por necessidades.
A teoria ERG consolidou as cinco categorias de necessidades de Maslow (A) 2400 com certeza.
em três; enquanto isso, as letras ERG representam três níveis de (B) 2500 com probabilidade 0,33, 2400 com probabilidade
necessidades: Existência, Relacionamento e Crescimento. Além disso, os 0,66 e 0 com probabilidade 0.
detalhes de cada categoria são descritos a seguir:
O resultado revela que 82% das pessoas escolheram (A) do experimento.
No entanto, o tomador de decisão racional deve escolher (B) com utilidade
Necessidades de existência: incluem todas as várias formas de desejos máxima (ou seja, 2500 0,33 + 2400 0,66 = 2433) do ponto de vista da teoria
materiais e fisiológicos (por exemplo, comida, água, ar, roupas, da utilidade esperada. Isso demonstra o efeito certeza que
segurança, amor físico e afeição).
Machine Translated by Google
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1663
significa que as pessoas tendem a ponderar e escolher os resultados 2.4. Módulo de revisão de versão
com certeza.
Por outro lado, assume-se que o tomador de decisão avalia os O módulo de revisão de versão (módulo VR) é baseado na teoria
prospectos e escolhe o maior valor entre eles de acordo com a definição de manutenção de software (Banker, Datar, Kemerer, & Zweig, 2002;
de V em termos de duas escalas: p e t. A primeira escala, p, associa Sommerville, 2000, cap. 8; Ulrich & Eppinger, 1999, cap. 12). O conceito
cada probabilidade p a um peso de decisão p(p), que reflete o impacto de módulo VR é derivado da manutenção do software e o objetivo é
de p no valor global do prospecto. A segunda escala, t, atribui a cada revisar a versão que pode ficar desmarcada por muito tempo ou gerar
resultado x o número t(x), que reflete o valor subjetivo do resultado. Os lucros menores entre outros. O histórico de preços registra o preço de
resultados são definidos em relação a um ponto de referência que cada pacote relacionado à versão original; assim, o sistema pode
serve ao ponto zero da escala de valores. Assim, t mede o valor dos estimar os lucros para cada versão.
desvios do ponto de referência como ganhos e perdas.
1664 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
Assumimos que nosso sistema é descrito em tempos sucessivos IF CP _Flag é o mesmo com 1 THEN
GET V do usuário
dos estados (cada um dos quais conhece um número finito de
LEIA P 0 massa
resultados possíveis). Nesses momentos, o sistema pode ter mudado CONFIGURAR N para V_Needs
do estado em que estava no momento anterior para outro ou DEFINIR P para P massa
permanecido no mesmo estado. As mudanças de estado são chamadas ENQUANTO t > 0 e Nt e Nt-1 não são iguais a múltiplos
t
de transições. O sistema está com o estado inicial (N0 ) e a matriz de Nt-1 por P
CONFIGURAR N
relacionamento e crescimento. Em detalhes, N representa as Pmass A matriz de transição veio de clientes em massa
CP_Flag O sinalizador para registrar a decisão do usuário que aceita a
necessidades atuais do usuário, B representa um pacote específico
versão inicial ou interage com o sistema
(B_Needs incorpora o grau de necessidades ERG que B pode R A resposta do usuário que aceita ou rejeita o pacote
satisfazer) e V é a versão que o usuário escolheu (V_ Needs incorpora fornecido
o grau de necessidades ERG que V pode satisfazer ). Os valores do t Um período de tempo
pacote e da versão são transformados em decimais usando a ontologia
de versionamento.
Por outro lado, P e Pmass são matrizes de transição que vêm de Em seguida, um loop while é iniciado com as condições em que o
clientes individuais e de massa. Notavelmente, CP_Flag é uma variável tempo (t) é maior que 0 e as necessidades (Nt ) são convergentes (ou
que registra a decisão do usuário, o que indica que se o usuário decidir seja, as necessidades tendem a ser estáveis por um tempo prolongado).
entrar no processo colaborativo, o valor é definido como 1; caso As necessidades em um determinado período de tempo (t) podem ser
contrário, o valor é definido como 0. A variável R obtém a resposta do previstas usando a cadeia Makorv que incorpora a teoria ERG na
usuário (ou seja, aceitar é 1) quando o pacote personalizado é entregue matriz de transição. Quando a necessidade de um usuário é estimada
com sucesso. no tempo tt 1(isto é, Nt = N( )P),
dinamicamente o sistema
baseado nasmonta um pacote
necessidades atuais do
CP_Flag e R são definidos como 0 antes que o procedimento usuário e o entrega ao usuário imediatamente. Se o usuário rejeitar o
principal seja iniciado. O procedimento é acionado quando o CP_Flag pacote personalizado neste momento, o sistema prevê as necessidades
for igual a 1, indicando que um usuário decidiu buscar um pacote para o próximo período de tempo com base no status atual das
melhor a partir da interação. Assim, o sistema obtém as informações necessidades e do pacote. O laço while é finalizado somente quando
para a versão selecionada (V), lê a matriz de transição de massa o usuário aceita o pacote ou as necessidades (Nt ) são convergentes.
(Pmass) e transforma as necessidades iniciais (N0 ) e a matriz de
transição (P) em V_Needs e Pmass, respectivamente. O sistema determina a utilidade máxima entre os pacotes fornecidos
e atualiza a matriz de transição do usuário para
Machine Translated by Google
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1665
ajuste melhorado. Por outro lado, se o usuário aceitar o A utilidade de aquisição é a utilidade líquida (ou seja, tð p; pÞ) que
pacote inicial, o processo de prototipagem colaborativa decorre da negociação de p (ou seja, o custo de uma cesta e
não seria acionado e as saídas seriam a versão assumimos que é igual ao preço necessário para pagar pelo menos)
e seu valor de utilidade. O módulo CP combina prototipagem colaborativa, para obter z (onde é avaliado em p) que será codificado como
teoria ERG e teoria prospectiva para prever e avaliar as necessidades o resultado integrado (tð p pÞ). Além disso, a utilidade da transação
do usuário de forma precisa e imediata. depende dos custos em relação ao preço de referência p*. Formalmente,
Além disso, o módulo CP gera protótipos durante é definido como a referência
o processo colaborativo que são baseados nas necessidades do usuário. resultado t(p: p*); em outras palavras, representa a utilidade
Finalmente, a utilidade máxima (ou seja, valor prospectivo) é estimada quando os custos e o preço de referência são p e p*,
entre os protótipos, o que indica que o pacote respectivamente.
é o mais adequado para um usuário. Além disso, três funções na fórmula são identificadas como função
de taxa de projeto (D), função de esforço de teste (T),
3.2. Estimativa de preço ideal e função de custo (C). Em primeiro lugar, a função de taxa de design é uma
função convexa e incremental (mapear valor de utilidade para
Um componente importante é identificado no módulo OPE como taxa de projeto). Em segundo lugar, a função de esforço de teste é uma
estimativa de preço ideal, que são a taxa de projeto, o número de função con cave e incremental (mapear o número de pacotes
pacotes e os esforços de teste (Fig. 3). A taxa de design significa ao esforço de teste). Em última análise, a função de custo é um côncavo
os custos para protótipos personalizados (ou seja, pacotes) e é e função incremental (mapa o número de serviços no
estimado pela utilidade máxima entre eles. O número pacote ao custo).
dos bundles está relacionado aos esforços de teste que consideram a Este artigo propõe um novo algoritmo para o OPE
processo colaborativo é digno e precisa ser cobrado módulo que detalha o processo (Fig. 4). No início
para o usuário. do algoritmo, algumas variáveis são necessárias para a declaração, e
O custo de um pacote representa os custos de uma sequência foram explicadas na Tabela 2. Certamente, PT é o
de serviços agrupados em um pacote. Assim, uma fórmula fundação e as informações do pacote (B e BoS)
emerge de acordo com quatro componentes identificados que é é passado através do módulo CP.
P = D(U) + T(N) + C, onde D é a função de taxa de projeto, Em primeiro lugar, o sistema iPrice calcula a utilidade para cada
U é a utilidade máxima, N é o número de cestas, T bundle, B, até que o módulo CP pare de enviar informações.
é a função de testar os esforços para o processo colaborativo, O sistema então define o utilitário de aquisição Vac para tð p pÞ.
e C é a função que denota os custos de serviço para uma cesta. O utilitário de transação (Vtc) é calculado com base em dois
Além disso, é essencial que o módulo OPE explore a condições, custos do pacote (p), que é maior que o pacote
utilidade máxima entre os pacotes. O processo operacional preço de referência (p*) (ou seja, p > p*), e os custos da cesta são
para sondar a utilidade máxima é separada em duas dobras menores que o preço de referência da cesta (ou seja, p < p*). Além
e formulados como U = t(p) + p(p), que são prospecção da teoria (a disso, a função peso gera um peso de decisão
utilidade é igual à função valor por peso valor para a cesta (p(po)). Assim, o valor de utilidade (U) é gerado
função) e conta mental (a função valor é a através da soma da utilidade de aquisição, utilidade de transação,
soma de utilidade de aquisição e utilidade de transação). e peso de decisão.
Como na base da teoria da perspectiva, a função valor e a função O sistema determina a utilidade máxima entre todos os pacotes (ou
peso são diferentes de acordo com variados seja, protótipos) e define o valor como Umax. O número de serviços no
usuários. Supostamente, a função valor e a função peso pacote (BoS) é extraído do
inicia a partir da distribuição normal e ajusta pelo perfil informações do pacote. Os custos de teste e custo individual
e comportamentos de cada indivíduo, respectivamente. O valor que para cada cesta são denotados por Tc e Bc, respectivamente.
A função é dividida em utilidade de aquisição (o valor de Finalmente, o preço final (P) é estimado usando a soma
* dos
bem recebido que comparado ao desembolso) e transação taxa (D(Umax)),
* esforço de teste (T(N) Tc) e custo
utilidade (os méritos percebidos do negócio). (C(BoS) BC). Resumidamente, o módulo OPE obtém
0 0 Nº de pacotes 0 Nº de Serviços
Utilitário
Função de taxa de projeto Função de Esforço de Teste Função de custo
1666 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
mais alto para níveis mais altos de outras variáveis explicativas Indicadores ambientais
em vez de independente de outras variáveis como em um linear Satisfação (Sa) A pontuação subjetiva que é atribuída pelo usuário
Lucro (P) O lucro médio para cada versão
modelo.)
Machine Translated by Google
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1667
COMEÇAR
encerra o cálculo. Enquanto isso, o sistema remonta a combinação de serviços vativo. Para o tipo regulativo, as pessoas vivem em um padrão regular
na versão (V0 ) e se concentrar em atender às necessidades básicas, por exemplo,
baseado em certa ontologia de versionamento e serviço atribuído necessidades fisiológicas (N1) e de segurança (N2) na teoria de Maslow
taxonomia. O sistema define um limite para determinar ou necessidades de existência (E) no ERG. Para os extrovertidos, as pessoas
se deve desencadear o processo revisional. Se o processo romper as necessidades fundamentais para um nível mais alto de necessidades,
está em andamento, o sistema remonta os serviços dentro como necessidades sociais (E3) e de estima externa (E4) no
a versão e substitui a antiga simultaneamente. Desta forma, Teoria de Maslow ou necessidades de relacionamento (R) na teoria ERG.
a versão sem fins lucrativos será retificada e eliminada em Da mesma forma, o tipo inovador se concentra nas necessidades de nível superior
visando as versões do lucro maximizado. como necessidades de autorrealização e estima interna (E5)
na teoria de Maslow ou necessidades de crescimento (G) na teoria ERG.
4. Avaliação do sistema iPrice Além disso, assumimos que as necessidades ideais têm múltiplas
escolhas baseadas nas restrições de Maslow e ERG. Aquilo é,
A fim de avaliar o desempenho do sistema de precificação colaborativa necessidades podem passar para um nível relativamente mais alto somente quando o
iPrice, esta seção descreve os resultados dos experimentos de três conjuntos nível inferior é satisfeito. Por exemplo, na teoria de Maslow,
de simulação respectivamente para o os consumidores querem satisfazer as necessidades de segurança somente depois que as
três módulos principais do iPrice. Sem perda de generalidade, necessidades fisiológicas forem satisfeitas. Da mesma forma, os consumidores querem
esses resultados implicam as promessas do sistema em relação à dupla satisfazer as necessidades de relacionamento quando as necessidades de existência são satisfeitas em
1668 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
(Maslow). Dois terços dos dados (26) são utilizados para construir o modelo e e tipos extrovertidos com a teoria ERG são sempre superiores a Maslow. No
um terço dos dados (14) são empregados para verificar a confiabilidade e entanto, as taxas de recall para Maslow e ERG flutuam para o tipo inovador,
validade. A distribuição de probabilidade inicial das necessidades para os três mesmo a longo prazo (por exemplo, 79 pontos de tempo na Fig. 6). A razão é
estereótipos é baseada em nossa suposição mencionada na seção anterior. Por que a cadeia de Markov tem a propriedade de convergência estável no longo
exemplo, os consumidores do tipo regular têm uma série de 26 necessidades prazo. Os padrões comportamentais das necessidades flutuam frequentemente
do tipo – 18 necessidades de existência (0,629307692), 7 necessidades de para o tipo inovador (seja com as teorias ERG ou Maslow); assim, a previsão
relacionamento (0,269230769) e 1 necessidade de crescimento (0,038461538). para ambas as teorias corresponde às necessidades ideais de forma
fragmentada. Em outras palavras, para usuários do tipo inovador, o ERG tem
Na teoria ERG, a principal necessidade é a existência para o tipo regular, um desempenho razoavelmente bom para a taxa de recall por um longo período,
existência e parentesco para o tipo extrovertido e parentesco e crescimento semelhante ao desempenho do Maslow.
para o tipo inovador. Para a teoria de Maslow, a maior necessidade é N1 para o
tipo regular, N1 e N3 para o tipo extrovertido e N4 e N4 para o tipo inovador.
Este estudo utiliza dois terços dos dados para construir a matriz de transição Comparação de medidas de F1, tipos regulares e extrovertidos de resultados
para previsão e um terço dos dados para verificar a confiabilidade e validade do para ERG apresentam valores de F1 mais elevados do que aqueles obtidos
sistema proposto. Ou seja, 26 padrões comportamentais são utilizados para com Maslow. As diferenças são significativas a longo prazo; por exemplo,
construir o modelo preditivo (matriz de transição) e 14 para verificar a estabilidade regular e extrovertido são 0,2 e 0,21 para cada tipo, respectivamente. Por outro
e precisão do modelo. O primeiro dos 14 padrões restantes é o ponto inicial; lado, o tipo inovador de Maslow é superior ao ERG antes de dois terços dos
assim, 13 pontos de tempo são alocados para previsão. pontos de tempo. No entanto, o ERG tem um bom desempenho para o tipo
inovador a longo prazo, e é superior ao obtido por Maslow nos momentos 12
(0,74 > 0,67) e 13 (0,7 > 0,63).
4.1.2. Resultados do experimento Devido à insignificância da medida F1 para ambas as abordagens, este
Este estudo compara as medidas de desempenho para dois resultados para estudo estende 13 pontos de tempo para 26 e 79 para observar seu desempenho
demonstrar que o Markov emparelhado com ERG é superior ao de Maslow na a longo prazo (como mostrado na Fig. 7). Os resultados indicam que o ERG é
previsão dos protótipos de tentativa e erro do processo de prototipagem continuamente superior ao Maslow para a medida F1 começando no ponto de
colaborativa. Os tipos regular e extrovertido tiveram taxas de precisão tempo 14 (por exemplo, 0,571429 (ERG) > 0,5 (Maslow) por 26 rodadas) e 31
significativamente diferentes (por exemplo, 25% e 46% para o tipo regular e (por exemplo, 0,46666 (ERG) > 0,436364 (Maslow ) por 79 rodadas). Portanto,
31,7% e 57% para o tipo extrovertido). O tipo inovador tem aproximadamente a a cadeia de Markov com teoria ERG é superior à teoria de Maslow para medidas
mesma taxa de precisão em cada ponto de tempo e também tem variação de F1 a longo prazo. Em resumo, os resultados da avaliação demonstram que a
necessidades anormais, concentrando-se principalmente em necessidades de cadeia de Markov combinada com a teoria ERG é superior à teoria de Maslow,
alto nível (por exemplo, E/G e N4/N5). Em suma, a taxa de precisão é boa para independentemente da confiabilidade e validade.
tipos regulares e extrovertidos (o ERG é melhor que Maslow) e justo para o tipo
inovador (ambos os tipos são iguais). Ou seja, a taxa de precisão do Markov
com ERG é superior ao Maslow. Este estudo avalia a confiabilidade em termos de convergência de necessidades
e confirma o pressuposto básico da propriedade de Markov; ou seja, a
confiabilidade foi comprovada. Para avaliação de validade, este estudo utiliza
certas métricas, como acurácia, precisão/recordação e medida F1, para validar
Ao comparar as taxas de recall, o ERG tem um bom desempenho para os os resultados da simulação.
tipos regular e extrovertido. As taxas de recall para
Estereótipo (inovador)
1.2
0,8
0,6
0,4
0,2 ERG
Maslow
0
1 3 5 7 9 1113151719 21232527293133 353739414345 47495153555759 616365676971 73757779
Tempo
Fig. 6. Comparação de ERG e Maslow para Recall (79 pontos de tempo para Innovative).
Machine Translated by Google
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1669
F-Medida
0,7
0,6
0,5
0,4
0,3
0,2
ERG
0,1
Maslow
0
1 3 5 7 9 11 13 15 1719 21 23 25 27 29 31 33 35 37 3941 43 45 47 49 51 53 55 57 59 6163 65 67 69 71 73 75 77 79
Tempo
Fig. 7. Comparação de ERG e Maslow para a medida F1 (79 pontos de tempo para Inovador).
As taxas de precisão e recordação demonstram que a teoria ERG frações (exceto a1) como resultado do aumento gradual. ffiffiffiffiffiffiffi
1
é superior à teoria de Maslow para tipos regulares e extrovertidos. No a1X p þ a função
Ou seja, a função de taxa de projeto é (convexa), de esforço
b1
X2 º X º 1
entanto, os resultados analíticos também indicam que de teste é (côncava) e a função
a2
de
b2
custo
c2
X2
X º
ção é (côncava). 1
tipo inovador para a teoria ERG tem pelo menos os mesmos resultados a3 þ b3 c3
de previsão que os obtidos por Maslow. A medida F1 mostra que ERG Na simulação, duas variáveis de controle, probabilidade de
é superior a Maslow por um longo o resultado e o número de serviços no pacote final,
período para os três estereótipos; em particular, a regularidade são manipulados ao avaliar o desempenho do sistema. O resultado é
e os tipos extrovertidos são significativamente diferentes. Assim, o definido como o valor de um pacote específico, e a probabilidade é a
Cadeia de Markov com teoria ERG prevê melhor do que possibilidade de que esse resultado específico seja
Maslow na geração dos protótipos de tentativa e erro de escolhido. Este estudo define os limites para a probabilidade de
o processo de prototipagem colaborativa. resultado em 0,5–0,9, que pode exceder a ponderação média
e suficientemente alto para verificar a diferença entre EUT
e teoria da perspectiva, exceto no caso em que o resultado
4.2. Avaliação do módulo de estimativa de preço ótimo probabilidade é 100%. Além disso, o número de serviços
no pacote final será de aproximadamente 2 a 8, o que é suficiente
4.2.1. Configuração do experimento distinguir as diversidades.
Certas premissas para variáveis são necessárias para o
processo de simulação. Sem perda de generosidade, assumimos 4.2.2. Resultados do experimento
um custo de serviço é gerado aleatoriamente (limitado de 1 a 20 Este trabalho simula duas abordagens, EUT e PT, para
dólares americanos) para garantir a generalidade. Os resultados para a utilidade, estimando a utilidade. Os resultados da simulação indicam que EUT
preço, lucro e bem-estar social são todas médias de cinco tem melhor utilidade do que PT, o que pode confirmar que PT é
iterações (como mostrado na Tabela 4). O custo do teste para cada adequado sob condições racionais para a tentativa de máxima utilidade
serviço é de 0,05% (a noção é da ponta do serviço). o do consumidor para a tentativa de máxima utilidade para o consumidor.
número de protótipos é fixado em 6 devido à cadeia de Markov Ou seja, a suposição em EUT é que
resultados, que indicam que as necessidades irão convergir em torno de as pessoas se comportam racionalmente. Para um modelo de decisão do mundo real,
seis etapas (veja os resultados da simulação anterior). Em última análise, este muitas variáveis devem ser consideradas, como risco e situação atual
estudo randomiza os coeficientes a1, a2, a3, b1, b2, b3, c2, como referência para auxiliar o consumidor
e c3 para cinco iterações e estima os lucros médios. tomando decisões. Assim, a PT gera utilidade que pode compensar
Esses coeficientes são uma função de taxa de projeto, esforço de teste e perto de comportamentos ideais de acordo com simulados
função e função de custo, respectivamente, essas funções resultados. A probabilidade não afeta marcadamente o preço final
são côncavas ou convexas. Além disso, esses coeficientes são durante a precificação colaborativa, mas sim com EUT.
Além disso, preços colaborativos com três combinações de funções
Tabela 4 (por exemplo, taxa de design, esforço de teste e custo)
Resultados aleatórios de coeficientes é sempre superior ao preço EUT. Os resultados experimentais
Redondo a1 b1 a2 b2 c2 a3 b3 c3 demonstrar que o EUT superestima (por exemplo, em um pequeno
1 3466728 número de serviços, como 2 ou 3, em um pacote) e subestima (por
1 8 6523345 exemplo, em um grande número de serviços, como 5-8, em um
2 2 8382375 pacote), resultando em preços mais baixos do que os obtidos
3 1 6457824 com PT. O mesmo cenário ocorre para o bem-estar social em um
45 5 7644665
microperspectiva. Consequentemente, a precificação colaborativa
Machine Translated by Google
1670 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
Bem-estar social
Probabilidade=0,9 50
80 (EU)
Utilitário
0
60 2345678
Utilidade (Prospect)
40 Nº de serviço
Utilitário (EU)
20
Fig. 13. Bem-estar social entre PT e EUT com probabilidade 0,5.
0
2345678
Nº de serviço
isto—A EUT não considera os esforços de colaboração e assume
que os consumidores são racionais. Esses resultados experimentais
Fig. 8. Utilidades entre PT e EUT com probabilidade 0,9.
podem ser vistos como evidências sugerindo que a precificação
colaborativa está próxima do equilíbrio, um ponto em que o preço
não é subestimado nem superestimado.
Probabilidade=0,9
150 Além disso, a precificação colaborativa tem diferenças
significativas do EUT quando os serviços 6–8 estão em um pacote.
Lucro
100
Lucro (Prospect) As probabilidades afetam o EUT marcadamente de acordo com a
50 Lucro (EU) equação EUT. Ou seja, o lucro diminui à medida que a probabilidade diminui.
A precificação colaborativa dentro da PT é significativamente
0
2345678 diferente da EUT em uma tendência altamente crescente. Isso
Nº de serviço mostra que a precificação colaborativa tem utilidade superior (que
pode estar próxima do valor ideal mesmo quando inferior ao EUT)
Fig. 9. Lucros entre PT e EUT com probabilidade 0,9.
e gera lucros otimizados e bem-estar social.
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1671
satisfação (X5) tem um efeito significativo em Y. Além disso, outras sugerem que o consumidor do tipo regular tem maior média
variáveis dependentes, exceto lucro, (X6) têm pontuação não selecionada (Y) e o consumidor do tipo inovador tem
efeitos mínimos em Y. Por exemplo, pessoas do tipo inovador pontuação média não selecionada mais baixa para as três versões (por exemplo,
provavelmente deseja selecionar uma versão com muitos serviços (X2). Como versão 1: regular 52.4942 > inovador 22.6736).
o número de serviços que eles tentam aumenta, o número de
protótipos geraram aumentos (X1). O número de prototipos gerados tem 4.3.2. Resultados do experimento
um efeito menor em Y. Por outro lado, as pessoas Este estudo utiliza regressão linear multivariada para estimar o
estão dispostos a selecionar uma versão quando estão satisfeitos com um coeficiente de cada variável dependente com simulações para as três
versão (X5). versões do sistema. Simulação
Também assumimos que o sistema tem uma base de conhecimento para resultados identificaram três valores que explicam a significância
gerando versões com maior rentabilidade com base em do valor R-quadrado, valor estatístico do teste F e teste t
regras derivadas do modelo econômico. Por exemplo, o pontuação. O valor R-quadrado mede quão bem o
os preços gerados devem ser superiores ao preço médio a combinação da variável dependente (Xi) prevê a variável independente
ou entre os preços mais baixos e médios para as três versões do sistema (Y). O teste F confirma a correlação significativa entre todas as variáveis
com base em combinações aleatórias. o dependentes e as variáveis independentes.
os resultados da simulação são diferentes para vários períodos, mas variável. A pontuação do teste t verifica a significância do linear
siga as regras na base de conhecimento. correlação entre cada variável dependente e a variável independente.
Nesta simulação, este estudo randomiza 20 dados com
variáveis dependentes (X1 a X6) para cada estereótipo, e Os resultados da simulação demonstram que a linearidade multivariada
assume que a variável independente Y está fortemente correlacionada regressão confirma a correlação entre dependentes
com X2 e X5 (que podem ter limites diferentes variáveis (Xi) e variável independente (Y). O quadrado R
para os três estereótipos de consumo) e fracamente correlacionados valores para as três versões indicam que o grau de
com X1, X3 e X4 (como mostrado na Tabela 5). O limite influência da combinação linear de variáveis dependentes
de X1 para cada estereótipo é 4–7 com base nos resultados da simulação e a variável independente é forte. Todos os três valores F
de previsões de necessidades de ERG (ou seja, a necessidade de um usuário convergirá em são altas, revelando que as correlações estatísticas são
sete etapas, e assumimos que ele/ela avaliará 4 a 7 prototipos). Os limites significativo.
de X2 para o consumidor do tipo regular As pontuações do teste t demonstram que X2 e X5 têm um
é 2–8 (ou seja, assumimos que há 2–8 serviços em uma versão), forte correlação linear com Y para as versões 2 e 3; inversamente, X5 e
e os consumidores do tipo extrovertido e inovador avaliam X6 são significativos para a versão 1. O número
2 a 10 serviços (ou seja, assumimos que existem 2 a 10 serviços em um de serviços e grau de satisfação são dois
versão). fatores que afetam negativamente a pontuação de decisão não selecionada.
Os limites da satisfação também diferem. O consumidor do tipo regular O lucro também é um fator essencial (em vez de X2) que influencia
tem um intervalo de 5 a 10 (a pontuação máxima é negativamente a pontuação de decisão de desmarcar para a versão 1.
10) pontuação de satisfação, o que significa que os consumidores decidem O sistema também recomenda uma nova versão baseada em
selecione ou não selecione a versão com cuidado. O consumidor do tipo resultados de regressão linear. O novo preço é superior ao
extrovertido tem uma faixa de satisfação de 7 a 10 o preço original da versão menos lucrativa e o
e o consumidor do tipo inovador tem uma faixa de 8 a 10. Esses preço médio para as três versões ou entre estas duas.
dois tipos de consumidores têm a mente aberta para novos produtos; Os resultados da simulação indicam que a nova versão é mais
por exemplo, eles têm uma alta probabilidade de aceitar um lucrativo do que o anterior e ajusta o número
elevado número de combinações de serviços. de serviços na versão e custo médio dos serviços
Os resultados da simulação indicam que o consumidor do tipo inovador (pode aumentar ou diminuir o número de serviços e
possui valores X2 mais altos do que o consumidor do tipo regular custos). Este estudo apresenta uma nova retificação automática
(por exemplo, versão 1, 4.9524 > 4.6316; versão 2, 5.05 > 3.95; versão 3, abordagem para versões menos rentáveis periodicamente. Os resultados
5.35 > 4.5) (Consulte a Tabela 7-3). Os resultados da simulação também da simulação confirmam que o novo preço é mais lucrativo
Tabela 5
Valores médios para variáveis dependentes e independentes
Estereótipo X1 X2 X3 X4 X5 X6 S
1672 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
quando o sistema modifica a versão com lucro mínimo vícios de 4 para 6 e reduz o custo do serviço de
rotineiramente. Além disso, os resultados da simulação confirmam que a 11,11666667 a 10, que é maior que a média
O sistema iPrice não é apenas um mecanismo de prestação de e preços mínimos, seguindo a regra. Este resultado de simulação
serviços e geração de preços, mas também mantém os lucros de confirma que o lucro R é melhorado quando
forma automática e periódica. o novo preço é superior aos preços originais e médios.
Os resultados da regressão linear multivariada indicam que o Uma recomendação alternativa é fornecida como outra
número de serviços em uma versão (na versão 2 e versão3), escolha (como mostrado na Tabela 7). O novo preço gerado
satisfação (nas versões 1, 2 e 3) e lucros (na versão é 54.20211534, que é mais alto que o preço original de
1) pode afetar a decisão de desmarcar. O sistema deve organizar 52,80416667, mas inferior ao preço médio de
os serviços para cada versão cuidadosamente e seguir as regras 54.13833333. A nova versão aumenta o número de serviços de 4
na base de conhecimento. O preço revisado será um preço de nova para 6 e reduz o custo da versão de
versão quando o sistema verificar os lucros durante o período 11.11666667 a 9, seguindo assim a regra que estipula
subsequente. O módulo VR auxilia o sistema iPrice que o preço deve ser maior que o preço mínimo e menor
na modificação de versões menos rentáveis com sucesso e gera um que o preço médio. O lucro esperado para este novo preço é
novo preço automaticamente. 78,73119533, que também é maior que o lucro original
Com base em resultados experimentais, os lucros para os três de 76.98768815. Este resultado da simulação verifica que o lucro
as versões são 76.98768815, 89.87209667 e 80.7476477 em é sempre melhorado quando o novo preço é superior ao
preços de 52,80416667, 56,73583333 e 52,875. Versão preço médio original e preço inferior à média.
1, que contém 4 serviços, tem o lucro mínimo de
52,80416667 para preço médio e 11,11666667 para custo médio 5. Trabalhos relacionados
Tabela 6
Informações detalhadas para três versões
Tabela 7
Novo preço Preço original Preço médio Novo nº. de serviço Nova av. custo Lucro esperado Observação
Recomendação nº 1
60.03422122 52.80416667 54.13833333 6 10 87.47910592 >Av. preço
e > Mín. preço
Recomendação nº 2
54.20211534 52.80416667 54.13833333 6 9 78.73119533 <Av. preço
e > Mín. preço
Machine Translated by Google
W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674 1673
Tabela 8
A comparação de métodos de precificação de bens de informação
Abordagem
Métodos sintetizados X X X X X X O
Modelo matemático O O O O O O O
Algoritmo X X X X X X O
Avaliação X X X X X X O
Além disso, a forma de estimar o preço também é diversa, O papel dos protótipos também é diferente entre os dois
por exemplo, Terwiesch e Loch (2004) assumiram o preço funciona, fornecemos a ambas as partes a colaboração para um produto
do produto final existe, e o utilizou para estimar o customizado e melhoria na entrega de serviços em tempo real,
os custos dos protótipos e as necessidades do cliente foram aproximados enquanto o trabalho de Terwiesch e Loch era permitir que o
a partir da probabilidade de decisão. iPrice prevê em tempo real antecipação do resultado para ambas as partes e melhorar
necessidades e gera protótipos imediatamente através da colaboração o design. Os benefícios deste estudo são eliminar a
que é uma direção inversa em relação ao incerteza para o projeto de serviço/processo de entrega e considerando
trabalho de Terwiesch e Loch. Além disso, o sistema estima o preço os custos do produtor e do consumidor para o preço final. o
ótimo simultaneamente com base na corrente trabalho de Terwiesch e Loch (2004) ajudam a superar a
necessidades, esforços para testar protótipos e os custos. incerteza de design e fornecer mais opções aos consumidores
Comparamos o objetivo, o método, o papel dos protótipos, através de protótipos.
precisa de consideração, e os benefícios das duas obras (como Apenas duas pesquisas geram bens personalizados durante
mostrado na Tabela 9). Terwiesch e Loch (2004) examinaram processo de precificação. Ou seja, se os produtores considerarem as
uma situação envolvendo dois agentes económicos com potencial necessidades em tempo real, eles poderão atender as necessidades dos
conflitos, e utilizou um modelo de busca para precificação. Nosso trabalho consumidores imediatamente e o preço estimado não será desviado do real.
fornece um ambiente envolve testes de protótipos para gerar um preço precisa. Todas as pesquisas têm modelos matemáticos, que
ótimo a partir de várias teorias. significa que os métodos de precificação existentes são derivados da
teoria econômica. Assim, fornecemos algoritmos para suportar a
Tabela 9
Diferenças significativas entre o trabalho de Terwiesch e Loch e nosso trabalho
Objetivo 1. Examinar uma situação envolvendo dois agentes econômicos 1. Fornecer um ambiente envolvendo protótipos (serviços)
(consumidor e produtor) com potenciais conflitantes tentativas
(custos e benefícios) 2. Respostas em tempo real para feedbacks dos clientes para geração
2. Estime o número ideal de protótipos e preço comeu um preço ideal
Método Um modelo de pesquisa associado ao processo de prototipagem Uma abordagem sintetizada associada à colaboração
da teoria economica prototipagem de economia, psicologia e software
teorias de manutenção
Papel dos protótipos 1. Permita que ambas as partes antecipem o resultado 1. Forneça a ambas as partes a colaboração para um atendimento personalizado
2. Direcione a busca por potencial melhoria de design e produto personalizado
2. Melhoria na entrega de serviços em tempo real
Precisa de consideração 1. Os clientes geralmente não conseguem articular com precisão 1. Os clientes sempre pagam depois de experimentarem os produtos
essas necessidades 2. Difícil prever necessidades em tempo real
2. Difícil para os produtores comprometerem um plano de construção 3. Cobrar não apenas pelo serviço final, mas também pelos serviços de teste
para produto físico final com base no estado das necessidades
1674 W.-L. Chang, S.-T. Yuan / Sistemas Especialistas com Aplicativos 36 (2009) 1660–1674
viabilidade teórica em termos de viabilidade de implementação. para a próxima estimativa de preço. Enquanto isso, técnicas de
Finalmente, a avaliação do sistema seguindo os algoritmos também mineração de dados também podem ser aplicadas para descobrir o
é fornecida para justificar nossa nova abordagem de precificação. ponto de referência de um consumidor a partir do banco de dados.
Em suma, este estudo sintetiza certas teorias das ciências sociais Em terceiro lugar, uma pesquisa empírica poderia ser realizada para
e as implementa em um sistema de precificação inteligente e reconfirmar a viabilidade da abordagem. Por fim, ainda é necessária
automático. Nós não apenas fornecemos provas teóricas, mas uma implementação prática da precificação colaborativa em campos
algoritmos para avaliar o desempenho do sistema. Comparando-se para comprovar sua aplicabilidade e adequação no mundo real. Em
a outros trabalhos, este estudo se concentra no processo de suma, a pesquisa futura visa fornecer evidências alternativas de
coprodução de valor e fornece um palco para o consumidor vivenciar; suporte para a noção de precificação colaborativa.
além disso, o preço estimado é ótimo e legítimo.
As contribuições do sistema de precificação colaborativa são Abernathy, W., & Rosenbloom, R. (1968). Estratégias de I&D paralelas e sequenciais:
Aplicação de um modelo simples. IEEE Transactions on Engineering Management,
cinco: (1) fornece protótipos para o usuário durante o processo
15(1).
colaborativo, (2) prevê a necessidade do próximo período de tempo
Alderfer, CP (1972). Existência, relacionamento e crescimento. Nova York: grátis
de forma proativa e precisa, (3) gera alguns protótipos para teste, Imprensa.
(4) ) estima o preço ótimo com base na utilidade máxima e (5) revisa Bakos, Y., & Brynjolfsson, E. (2000). Agrupamento e concorrência no
automaticamente as versões com menores lucros. Internet. Marketing Science, 19(1), 63-82.
Banker, RD, Datar, SM, Kemerer, CF, & Zweig, D. (2002).
Erros de software e gerenciamento de manutenção de software. Tecnologia da
Além disso, existem várias implicações para os provedores de
Informação e Gestão, 3, 25-41.
serviços que: (1) geram protótipos para captar o feedback do usuário Choudhary, V., Ghose, A., Mukhopadhyay, T., & Rajan, U. (2005).
simultaneamente, (2) captam as necessidades do usuário Preços personalizados e diferenciação de qualidade. Management Science, 51(7),
imediatamente para responder rapidamente, (3) estimam o preço 1120-1130.
ideal com base no utilitário, e (4) retificar as versões com mobilidade Fishburn, PC, & Odlyzko, AM (1997). Preço competitivo de bens de informação: Preço
de assinatura versus pagamento por uso. Florham Park, NJ, AT&T Labs – Pesquisa.
exceto a automação pelo sistema. Em suma, o novo método de
precificação de bens de informação preenche a lacuna entre as Jain, S., & Kannan, PK (2002). Precificação de produtos de informação em servidores
literaturas anteriores que levam em consideração apenas o online: questões, modelos e análises. Ciência da Administração, 48(9).
consumidor ou o fornecedor.
Diferente dos trabalhos existentes, o novo método de precificação Kahneman, D., & Tversky, A. (1979). Teoria prospectiva: uma análise de
decisão sob risco. Econométrica, 47, 263-291.
é inovador ao integrar conceitos distintamente importantes, gerando
Markowitz, H. (1952). A utilidade da riqueza. Journal of Political Economy, 60(2), 151–
mais benefícios para os consumidores e mais lucros para os 158.
fornecedores. O método também orienta e fornece um roteiro para a Nelson, RR (1961). Incerteza, aprendizado e economia de esforços paralelos de busca
precificação de bens de informação para pesquisas futuras. e desenvolvimento. The Review of Economics and Statistics, 43, 351-364.
estimado incorretamente a partir do sistema devido ao viés no Sundararajan, A. (2004). Precificação não linear de bens de informação. Na 2ª
Conferência Internacional de Organização Industrial.
processo de precificação automática. Além disso, este artigo aborda
Sommerville, I. (2000). Engenharia de software (6ª ed.). Addison Wesley.
apenas a importância da precificação colaborativa, mas ainda carece Terwiesch, C., & Loch, CH (2004). Prototipagem colaborativa e precificação de produtos
de métodos alternativos sintetizados usados em um processo personalizados. Ciência da Administração, 50(2).
complexo. Tang, W., & Rong, G. (2003). Um aceno de cabeça em tempo real ou detector de
vibração usando HMMs. Sistemas Especialistas com Aplicativos, 25, 461–466.
Nesse sentido, as resoluções para as limitações são os possíveis
Thaler, R. (1985). Contabilidade mental e escolha do consumidor. Ciência de Marketing,
direcionamentos de pesquisas futuras. Em primeiro lugar, métodos
40(3).
alternativos sintetizados para permitir a precificação colaborativa Ulrich, KT, & Eppinger, SD (1999). Projeto e desenvolvimento de produto (2ª Ed.).
complexa são cruciais para pesquisas futuras. Por exemplo, o McGraw-Hill/Irwin.
método pode incluir partes sobre a previsão de necessidades em Varian, H. (1995). Informações sobre preços de mercadorias. In Proceedings of the
tempo real durante o processo colaborativo usando a abordagem de simposium on scholar in the new information environment, Harvard Law School.
podem ser armazenadas em um banco de dados de preferências e usadas como business (CEC04EAST).
base