×
安东尼奥·马鲁蒂;简·布拉;Tanya，马克

评估营销活动对客户行为的影响：一种动态聚类方法。 （英语） Zbl 1427.62094号

Metron公司 77，第1号，19-42（2019）.
摘要：本研究提出了一种混合隐马尔可夫模型在多渠道零售商数据中的应用。本研究的目的是建立一个渠道选择和购买行为的动态模型，该模型考虑了消费者的异质性、行为随时间的变化以及营销活动对管理相关消费者行为的影响。该模型允许营销人员减少直接邮寄支出，同时控制对销售的潜在负面影响。更具体地说，我们开发了一个模型，该模型捕获了消费者在零售渠道中购买行为随时间的演变，并将我们的模型与其他几种方法进行了比较。我们发现我们的模型优于现有模型，包括标准的潜在类模型，包括属于潜在转移分析框架的模型。使用模型性能和拟合的几个标准，我们在数据中找到了分层聚类结构。每个集群对营销活动的响应不同。我们发现，平均而言，目录是保持消费者活跃的有效工具，而零售促销更有可能影响消费者转向其他渠道。

引用于2文件

MSC公司：

2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
62第20页 统计学在经济学中的应用
62H30型 分类和歧视；聚类分析（统计方面）

关键词：

混合隐马尔可夫模型;全渠道零售;市场推广;客户分类;潜在转变分析;动态混合模型

软件：

SAS公司;PROC长期协议
PDF格式BibTeX公司 XML格式引用
\textit{A.Maruotti}等人，Metron 77，No.1，19-42（2019；Zbl 1427.62094）
全文： 内政部

参考文献：

[1] Abhishek，V.，Fader，P.，Hosanagar，K.：在线转化的漫长道路：多渠道归因模型。http://ssrn.com/abstract=2158421工作文件（2011年）
[2] Ailawadi，K.L.，Neslin，S.A.：促销对消费的影响：购买更多，使用更快。《J.Mark.Res.》35（3），390-398（1998）
[3] Aitkin，M.：广义线性模型中过度分散的一般最大似然分析。统计计算。6(3), 251-262 (1996)
[4] Altman，R.M.：混合隐马尔可夫模型：隐马尔可夫模型对纵向数据集的扩展。《美国统计协会期刊》102（477），201-210（2007）·Zbl 1284.62803号
[5] Ansari，A.、Mela，C.F.、Neslin，S.A.：客户渠道迁移。J.Mark.Res.45（1），60-76（2008）
[6] Ascarza，E.，Hardie，B.：合同环境中使用和流失的联合模型。作记号。科学。32(4), 570-590 (2013)
[7] Bartolucci，F.，Farcomeni，A.，Pennoni，F.：纵向数据的潜在马尔可夫模型。CRC出版社，博卡拉顿（2013）·Zbl 1341.62002号
[8] Bartolucci，F.，Farcomeni，A.，Pennoni，F.：潜在马尔可夫模型：具有协变量的纵向数据分析的一般框架综述。测试23（3），433-465（2014）·Zbl 1305.62299号
[9] Bartolucci，F.，Montanari，G.E.，Pandolfi，S.：具有协变量的潜在马尔可夫模型的三步估计。计算。统计数据分析。83, 287-301 (2015). https://doi.org/10.1016/j.csda.2014.10.017。 http://www.sciencedirect.com/science/article/pii/S0167947314003090 ·Zbl 1507.62009年
[10] Bartolucci，F.、Pennoni，F.和Vittadini，G.：通过多级潜在马尔可夫-拉什模型评估学校绩效。J.教育。行为。Stat.36，491-522（2011年）
[11] Bartolocci，F.，Pennoni，F.，Vittadini，G.：在观察性纵向研究中比较多种治疗的因果潜马尔可夫模型。J.教育。行为。Stat.41，146-179（2016）
[12] Baum，L.E.，Petrie，T.：有限状态马尔可夫链概率函数的统计推断。安。数学。Stat.37，1554-1563（1966年）·Zbl 0144.40902号
[13] Baum，L.E.，Petrie，T.，Soules，G.，Weiss，N.：马尔可夫链概率函数统计分析中出现的最大化技术。安。数学。Stat.41，164-171（1970）·Zbl 0188.49603号
[14] DiMari，R.，Oberski，D.L.，Vermunt，J.K.：带有协变量的偏差调整三步潜在马尔可夫模型。结构。埃克。模型。多磁盘。J.23（5），649-660（2016）。https://doi.org/101080/10705511.2016.1191015 ·doi:10.1080/10705511.2016.1191015
[15] Dinner，I.M.，van Heerde，H.J.，Neslin，S.A.：推动线上和线下销售：数字广告与传统广告的跨渠道效应。塔克商学院第2012-103号工作文件。http://ssrn.com/abstract=1955653 (2011)
[16] Fader，P.S.，Hardie，B.G.S.：合同环境下的客户基础评估：忽视异质性的危险。作记号。科学。29(1), 85-93 (2010)
[17] Fader，P.S.、Hardie，B.G.S.、Chun-Yao，H.：新产品销售预测的动态变化点模型。作记号。科学。23(1), 50-65 (2004)
[18] Hauser，J.R.，Wisniewski，K.J.：消费者对营销策略反应的动态分析。管理。科学。28(5), 455-486 (1982)
[19] Ho，T.H.，Li，S.，Park，S.E.，Shen，Z.J.M.：新产品扩散中的客户影响价值和购买加速。作记号。科学。31(2), 236-256 (2012)
[20] Horsky，D.，Misra，S.，Nelson，P.：品牌选择模型中观察到和未观察到的偏好异质性。作记号。科学。25(4), 322-335 (2006)
[21] 黄，C.Y.：在线零售业的过度忠诚。国际电子杂志。Commun公司。16(2), 115-134 (2011)
[22] Iyengar，R.，Jedidi，K.：数量折扣的联合模型。作记号。科学。31(2), 334-350 (2012)
[23] Iyengar，R.，Bulte，CVd，Valente，T.W.：新产品传播中的舆论领导和社会传染。作记号。科学。30(2), 195-212 (2011)
[24] Kalwani，M.U.，Yim，C.K.，Rinne，H.J.，Sugita，Y.：客户品牌选择的价格预期模型。J.Mark.Res.27（3），251-262（1990）
[25] Kumar，V.、Venkatesan，R.、Bohling，T.、Beckmann，D.：clv的力量：在IBM管理客户终身价值。27(4), 585-599 (2008)
[26] Lagona，F.，Jdanov，D.，Shkolnikova，M.：纵向分析中的潜在时变因素：心率的线性混合隐马尔可夫模型。《统计医学》33（23），4116-4134（2014）
[27] Langeheine，R.S.，van de Pol，F.：状态掌握学习：纵向数据的动态模型。申请。心理学。测量。18（3），277-291（1994）
[28] Lanza，S.T.，Cooper，B.R.：潜在转换分析的新sas程序：约会中的转换和性风险行为。发展心理学。44(2), 446-456 (2008). https://doi.org/101037/0012-1649.44.2.446 ·doi:10.1037/0012-1649.44.2.446
[29] Lanza，S.T.，Cooper，B.R.：发展研究的潜在类分析。《儿童发展展望》10（1），59-64（2016）。https://doi.org/10.1111/cdep.12163 ·doi:10.1111/cdep.12163
[30] Lee，S.，Zufryden，F.，Drèze，X.：跨门户网站的消费者转换行为研究。国际电子杂志。Commun公司。7（3），39-63（2003）
[31] Lewis，M.：研究报告：客户关系定价的动态规划方法。管理。科学。51(6), 986-994 (2005) ·Zbl 1232.90240号
[32] Marino，M.F.，Alfå，M.：纵向数据混合隐马尔可夫模型中的高斯求积近似：一项模拟研究。计算。统计数据分析。94, 193-209 (2016) ·Zbl 1468.62134号
[33] Mark，T.，Bulla，J.，Niraj，R.，Bula，I.，Schwarzwällere，W.：目录作为强化习惯的工具：来自多渠道零售商的经验证据。国际法学研究标记（2019）。https://doi.org/10.1016/j.ijresmar.2019.01.009 ·doi:10.1016/j.ijresmar.2019.01.009
[34] Mark，T.，Lemon，K.N.，Vandenbosch，M.，Bulla，J.，Maruotti，A.：捕捉客户关系的演变：客户如何随着时间的推移变得更（或更少）有价值。J.零售业。89(3), 231-245 (2013)
[35] Maruotti，A.：纵向数据的混合隐马尔可夫模型：概述。国际统计版次79（3），427-454（2011）·Zbl 1238.62094号
[36] Maruotti，A.，Rocci，R.：分类数据的混合非齐次隐马尔可夫模型，应用于酒精消费。Stat.Med.31（9），871-886（2012）
[37] Maruotti，A.，Rydén，T.：纵向观测下隐马尔可夫模型的半参数方法。统计计算。19(4), 381-393 (2009)
[38] Moe，W.W.，Fader，P.S.：捕获点击流数据中不断变化的访问行为。J.互动。作记号。18(1), 5-19 (2004)
[39] Montoya，R.，Netzer，O.，Jedidi，K.：药物细节和采样的动态分配，以实现长期盈利。作记号。科学。29(5), 909-924 (2010)
[40] Naik，P.A.，Petersm，K.：在线和离线媒体协同作用的分层营销传播模型。J.互动。作记号。23(4), 288-299 (2009)
[41] Netzer，O.，Lattin，M.，Srinivasan，V.：消费者关系动态的隐马尔可夫模型。作记号。科学。27(2), 185-204 (2008)
[42] 内泽，O。；埃布斯，PT；Bijmolt，H。；Leefrang，P.（编辑）；Wieringa，J.（编辑）；Bijmolt，T.（编辑）；Pauwels，K.（编辑），市场营销中的隐马尔可夫模型，第14期，405-449（2017），Cham
[43] Niculescu，M.F.、Shin，H.、Whang，S.：具有网络效应的基于订阅的it服务市场中潜在的消费者异质性。通知。系统。第23（4）号决议，1322-1341（2012）
[44] Park，S.、Gupta，S.：周期性品类购买的一种制度转换模型。作记号。科学。30(3), 469-480 (2011)
[45] Pongsapukdee，V.，Sukkumphaphan，S.：具有双因素相互作用的有序反应类别和名义解释变量的累积logit模型的拟合度。Silpakorn大学科学。Technol公司。J.1（2），29-38（2007）·Zbl 1361.62032号
[46] Schmiege，S.J.、Meek，P.、Bryan，A.D.、Petersen，H.：潜在变量混合建模：一种用于识别和分类异质性的灵活统计方法。努斯。第61（3）号决议，204-212（2012）
[47] Schweidel，D.A.、Bradlow，E.T.、Fader，P.S.：多服务提供商客户的投资组合动态。管理。科学。57(3), 471-486 (2011)
[48] Sen，S.、Raghu，T.S.、Vinze，A.：it基础设施服务中的需求异质性：定义服务级别的动态方法的建模和评估。信息系统。第20（2）号决议，258-276（2009）
[49] Shachat，J.，Wei，L.：采购商品：第一价格密封投标还是英国拍卖？作记号。科学。31(2), 317-333 (2012)
[50] Shin，S.、Misra，S.和Horsky，D.：在品牌选择模型中分离偏好和学习。作记号。科学。31(1), 115-137 (2012)
[51] Singh，V.P.，Hansen，K.T.，Blattberg，R.C.：市场进入与消费者行为：沃尔玛超级中心调查。作记号。科学。25(5), 457-476 (2006)
[52] Thomas，J.S.，Sullivan，U.：管理与多渠道客户的营销沟通。《马克杂志》69（4），239-251（2005）
[53] Valentini，S.、Montaguti，E.、Neslin，S.A.：客户渠道选择中的决策过程演变。J.Mark.75（6），72-86（2011）
[54] Visser，I.：关于隐马尔可夫模型需要记住的七件事：关于时间序列的马尔柯夫模型的教程。数学杂志。心理学。55(6), 403-415 (2011) ·Zbl 1229.62128号
[55] Wiesel，T.、Pauwels，K.、Arts，J.：实践奖纸业的利润影响：量化在线和离线漏斗进展。作记号。科学。30(4), 604-611 (2011)
[56] Zucchini，W.，MacDonald，I.L.，Langrock，R.：时间序列的隐马尔可夫模型：使用R的简介，第2版。查普曼和霍尔，博卡拉顿（2016）·兹比尔1362.62005
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。