Author
Listed:
- Кръстевич, Тодор
- Смокова, Маруся
AbstractТрадиционните модели за предсказване на потребителската реакция изхождат от презумпцията, че ефикасността на маркетинговите кампании може да бъде измерена чрез оценяване на индивидуалната вероятност за реакция. Този подход изглежда логичен и в повечето случаи води до по-добри резултати от случайното таргетиране. Фундаменталeн проблем при тези модели обаче е невъзможността да се разграничи въздействието на кампанията от влиянието на други, неконтролируеми стимули, както и възможността за възникването на спонтанни покупки, тъй като предсказват вероятностите за реакция, а не промяната в тези вероятности, провокирани от конкретната интервенция. Придържайки се към разбирането, че традиционните модели на потребителската реакция не водят до оптимални маркетинговите решения, основната цел на настоящата разработка е да се дефинира, оцени и приложи върху реална база данни инкрементален модел за предсказване на промяната в поведението на клиентите, дължаща се на дадена маркетингова акция. Конкретните задачи са свързани с обследване на възможнос- тите на една сравнително нова и малко позната методология за идентифициране на колебаещи се и поддаващи се на убеждаване клиенти. В изследването се илюстрира приложението на директния подход за инкрементално моделиране и се демонстрират значителните му предимства пред таргетиране на база традиционни реакционни модели.
Suggested Citation
Кръстевич, Тодор & Смокова, Маруся, 2015.
"Предиктивен Анализ На Клиентските Реакции Чрез Инкрементално Моделиране,"
Scientific Research Almanac, D. A. Tsenov Academy of Economics, Svishtov, Bulgaria, issue 22, pages 1-13.
Handle:
RePEc:dat:almana:y:2015:i:22:p:13
Download full text from publisher
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:dat:almana:y:2015:i:22:p:13. See general information about how to correct material in RePEc.
If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no bibliographic references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Kostadin Bashev (email available below). General contact details of provider: https://edirc.repec.org/data/tsenobg.html .
Please note that corrections may take a couple of weeks to filter through
the various RePEc services.