Bibliografia

Comportamento de pesquisa e estimativa da demanda

[1] Choi, H. & Varian, H. (2012). Predicting the Present with Google Trends. Economic Record, 88(s1), 2–9.

[19] Da, Z., Engelberg, J. & Gao, P. (2011). Em busca da atenção. Journal of Finance, 66(5), 1461–1499.

Comportamento digital e previsão de personalidade

[2] Kosinski, M., Stillwell, D. & Graepel, T. (2013). Traços e atributos privados são previsíveis a partir de registros digitais do comportamento humano. Proceedings of the National Academy of Sciences, 110(15), 5802–5805.

[20] Park, G. et al. (2014). Avaliação automática da personalidade por meio da linguagem das redes sociais. Journal of Personality, 83(2).

Inferência demográfica a partir de dados digitais

[12] Cesare, N. et al. (2017). Qual é o grau de precisão do aprendizado de máquina na previsão de dados demográficos de usuários de redes sociais? arXiv:1702.01807.

[11] Rothe, R., Timofte, R. & Van Gool, L. (2018). DEX: Deep EXpectation of apparent age from a single image. International Journal of Computer Vision, 126(2–4), 144–157.

[13] Pew Research Center (2025). Uso das redes sociais pelos americanos. Pew Research Center, Washington, D.C.

Share of Search

[17] Binet, L. (2020). A quota de pesquisa como medida preditiva. Apresentado no IPA EffWorks Global.

[18] IPA Think Tank / Hankins, J. (2021). A quota de pesquisa representa 83% da quota de mercado. Análise do IPA Think Tank — 30 estudos, 12 categorias, 7 países.

Métodos bayesianos em marketing

[9] Rossi, P.E., Allenby, G.M. & McCulloch, R. (2005). Estatística Bayesiana e Marketing. Wiley.

[10] Google Research (2017). Métodos bayesianos para modelagem de mix de mídia. Blog do Google AI.

Fusão de dados e inteligência de múltiplas fontes

[8] Ipsos MediaCT (2011). Fusão de dados: um white paper. Ipsos.

[14] Koren, Y., Bell, R. & Volinsky, C. (2009). Técnicas de Fatoração de Matriz para Sistemas de Recomendação. IEEE Computer, 42(8), 30–37.

Modelagem psicográfica e de valores

[15] Schwartz, S.H. (1992). Universais no conteúdo e na estrutura dos valores: avanços teóricos e testes empíricos em 20 países. Advances in Experimental Social Psychology, 25, 1–65.

[16] Boyd, R. et al. (2015). Valores nas palavras: o uso da linguagem para avaliar e compreender valores pessoais. Anais da Conferência Internacional da AAAI sobre Web e Mídias Sociais (ICWSM).

Qualidade dos dados de pesquisa e alternativas comportamentais

[3] Moffatt, A. (2025). Reconstruindo a confiança na pesquisa: dados comportamentais como base. Apresentado na IIeX North America / Qrious Insights.

[4] Snell, S. (2025). Situação da Fraude em Pesquisas em 2025. Rep Data. (Análise de 4,1 bilhões de tentativas de pesquisa: 33% fraudulentas, 27% desatentas.)

[21] Fawson, B. (2025). Repensando a qualidade dos dados: o déficit de confiança do setor. GreenBook. (Aplica a estrutura do “Mercado dos Limões” de Akerlof aos mercados de dados de pesquisa.)

Padrões e Estruturas do Setor

[5] Código Internacional da ICC/ESOMAR sobre Pesquisa de Mercado, Opinião e Social e DadosAnalytics , 5ª Edição (2025).

[6] Costella, T. / Heineken (2025). Estrutura de Risco de Dados Sintéticos. Apresentado no ESOMAR Reimagine 2025.

[7] Diretriz da ESOMAR sobre Coleta, Observação e Registro Passivos de Dados. ESOMAR.

[22] ESOMAR (2025). 20 Perguntas para Ajudar os Compradores de Serviços Baseados em IA. ESOMAR.

Gêmeos Digitais e Previsão Comportamental

[23] Toubia, O. et al. (2025). Twin-2K-500: Um Conjunto de Dados para a Criação de Gêmeos Digitais. Marketing Science.

[24] Park, J.S. et al. (2025). Simulação do Comportamento Humano com Agentes de IA. Universidade de Stanford.