在营销中更好地利用大数据

利兹教授获得Kahle奖的算法旨在提高目标.

一篇旨在帮助企业通过个性化的产品广告来更好地瞄准消费者的论文获得了今年利兹大学Kahle家庭研究奖.

Rico Bumbaca, 利兹大学市场营销学助理教授, 是这个荣誉的得主吗, 在精英期刊上发表了一篇杰出的教师研究论文.

“我对利兹大学还很陌生，我只是一名助理教授。. Bumbaca在加州大学欧文分校获得博士学位. “我不认为自己和我的同事处于同一水平, 谁更聪明，更有经验. 我对这个荣誉感到震惊和谦卑.”

他可能是新来的. Bumbaca的工作因其在工业上的潜在应用而值得称道. 以及来自芝加哥大学布斯商学院和加州大学洛杉矶分校安德森管理学院的研究人员, 他开发了一种算法，可以快速扩展大型数据集，从而对客户的需求和愿望产生高度准确的预测.

这是一个尚未得到满足的关键需求, 至于潜在客户产生的所有数据, 当涉及到为正确的客户确定正确的信息时，许多营销部门仍然不成熟.

Bumbaca和他的团队在他们的新论文中描述了这种方法的工作原理, 可扩展目标营销:贝叶斯层次模型的分布式马尔可夫链蒙特卡罗,该研究发表在10月份的《博彩平台推荐》上.

该方法利用超级计算机将数据分解成更小的块, 并行处理每个数据块并将结果结合起来，以提供对消费者偏好的非常精确的估计,“教授. Bumbaca说.

这些博彩app推荐消费者偏好的信息可以被公司用来更准确地定位他们的信息，并增加消费者对他们的广告做出反应的可能性.

“客户赢了，因为他们需要处理的来自公司的烦人信息更少了, 他们收到的信息在满足他们的需求方面是准确的,他说. “企业通过以较低的成本提高营销效率而取胜, 用更少的营销预算赚取更大的回报.”

该团队将该方法应用于一家希望更有效地定位潜在捐赠者的慈善组织. 通过他们的算法，他们预测会增加1美元.600万到4美元.每次竞选增加捐款200万美元, 超过了使用传统统计方法的捐赠金额.  

教授. Bumbaca已经在研究与这一研究流相关的其他领域. 他目前正在研究一种计算与产品或服务相关的独特偏好分布的方法. 这与目标营销不同, 当你想知道特定客户对特定信息或产品的反应时, 根据她生成的数据.

“当你看到一条新的产品线, 想出两三个最大的细分市场是很容易的,他说. “但是样本量更大, 你可能会看到两三个你没有考虑到的利基领域,“为产品经理打开潜在的新市场或应用.

在这里阅读摘要和全文.