Loading

Module 1: Capire l'ambiente di marketing

Note di Apprendimento
Study Reminders
Support
Text Version

Modelli Di Sistema Di Marketing Analitico

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Quando guardiamo al sistema di marketing analitico cerchiamo in sostanza la banca statistica. In altre parole un sistema di marketing analitico fa sempre uso di una banca statistica. La prossima domanda arriva cosa comporta questa banca statistica? Comporta più analisi di regressione normalmente, generalmente siamo queste sono le cose, che facciamo uso di analisi di regressione multipla, poi analisi discriminanti Cosa intendiamo per analisi di regressione multipla? Ci troviamo ad esempio, la domanda di un prodotto in termini di variabili diverse, che rischiano di influenzare la domanda, prendere la domanda di qualsiasi prodotto. Le probabili variabili, che influenzeranno o influenzeranno la domanda, saranno il prezzo del prodotto 1, secondo è la disponibilità del prodotto 2, terzo è il reddito disponibile del consumatore per assumere questo prodotto. Puoi continuare a elencare.

La domanda del mercato della domanda per un determinato prodotto sarà la variabile dipendente, dipende da, molte variabili indipendenti come, il prezzo, il luogo, poi le diverse caratteristiche del prodotto, poi il reddito personale disponibile del consumatore tutti quei tipi di cose. Quando si regredisce la domanda dipendente contro tutte queste variabili indipendenti si sta essenzialmente facendo più analisi di regressione.
Cosa cerchi di fare facendo questo? Scoprirete dal numero di variabili indipendenti scelte, per spiegare l'aumento o la diminuzione della domanda, qual è la percentuale che si sta spiegando. Supponga di aver scelto 4 variabili indipendenti, hanno spiegato il 70% della variazione della domanda di mercato.
Cioè la tua R al quadrato arriva intorno al 70%; questo significa, per dire il numero di variabili, variabili indipendenti, che vengono scelti spiega il 70% della variazione della domanda per il prodotto ok, generalmente considerato buono nel marketing.
Poi il secondo a cui facciamo uso si chiama analisi discriminante, l'analisi dei fattori è la terza. Cosa intendiamo per dire analisi discriminante? Stiamo guardando i tratti dei consumatori, quale potrebbe essere un esempio per questo? Guarda il proprietario di un'auto Maruthi 800, vis a vis il proprietario di una Benz. Quali sono i tipi di caratteristiche che si possono distinguere chiaramente tra il proprietario di un'auto Marathi 800 e un proprietario di auto Benz?
La prima cosa che si può fare è la categoria di reddito in cui questi due consumatori rischiano di cadere saranno molto diversi. Seconda cosa che si possono vedere sono le loro caratteristiche sociali, cioè il modo in cui si mescolano con la classe sociale delle persone può anche essere diverso. Quindi, tutti questi fattori sono catturati utilizzando analisi discriminanti. I tratti del consumatore per prodotti diversi, alcuni dei prodotti possono essere prodotti di lusso, alcuni prodotti possono essere prodotti essenziali.
Questi sono questi tratti diversi sono davvero catturati usando analisi discriminanti, che fanno anche uso di più regressione incidentalmente. Il terzo che facciamo è l'analisi fattoriale. In questa analisi fattoriale, quali sono invece le singole variabili indipendenti li raggrintiamo in fattori, perché alcuni sono tutti fattori tutte variabili, che sono effetti, che si occupano di prezzo, li raggrintiamo sotto un unico fattore diciamo il fattore 1. Tutti i fattori interessati al reddito li raggrintiamo sotto un altro fattore di fattore 2.

Ancora, la domanda dipendente è spiegata in termini di fattori diversi, quando si ricorre agli analisti di fattori è la domanda successiva. Si ricorre all'analisi dei fattori quando il numero di variabili è più e si desidera condensarli a diversi fattori. Si raggruppano queste variabili sotto diverse testate magari gruppo 1, gruppo 2, gruppo 3, gruppo 4.
E, utilizzando la stessa analisi di regressione multipla, si utilizza un'analisi fattoriale invece delle variabili indipendenti; si fa uso dei fattori per spiegare la variazione del fattore dipendente o della variabile dipendente.
L'analisi del cluster è la prossima che facciamo; un esempio per questo sarebbero i vostri gruppi automobilistici. Ci saranno diversi gruppi automobilistici; uno è il piccolo gruppo di auto, secondo è il gruppo auto di medie dimensioni, terzo è il gruppo auto di lusso, forse 4 puoi averlo come fai a chiamare i SUV. Raggruppate questi tutti questi sotto diversi cluster. E scopri, come la domanda di questi cluster sta cambiando usando questi diversi gruppi.
Supponiamo di guardare la domanda di un cluster. Come gli altri cluster stanno influenzando questa domanda? Poi, il prossimo a cui facciamo uso è quello che viene definito un'analisi congiunta. Cosa intendiamo per analisi congiunta? Guardiamo alla progettazione, un prodotto appellativo per un mercato di destinazione. Analizziamo tutto quello che non vogliamo uscire con il loro prodotto solo per il gusto di uscire, abbiamo specificato al mercato target per quel mercato di destinazione solo alcuni prodotti avranno appeal di prodotto.
Quando questi prodotti hanno un prodotto appeal l'analisi congiunta guarda alla progettazione di un prodotto appellativo per quel particolare mercato target. Forse sei un utente di un'auto sportiva.
Stai guardando un'auto sportiva per un segmento particolare coloro che sono affezionati a guidare quella altissimissima velocità. Quando si progetta questa auto sportiva per questo particolare mercato di destinazione, si includono determinate caratteristiche speciali in quel prodotto.
Anche se cresce a velocità molto alta, dovrebbe essere in grado di frenare immediatamente senza ferire il conducente, anche con tutto quello che molte volte nelle corse automobiliche il guidatore si fa male. L'auto diventa protagonista di tutti quei tipi di cose ancora accadono, ma quando un prodotto è progettato avendo questo tipo di mercato di destinazione in esame, facciamo uso di questa analisi congiunta. Alcune delle vetture come questa Porsche dalla Germania, che vengono progettate hanno sempre un mercato di destinazione che si appellano a quel target market che si avvale di questi diversi tipi di modelli di sistemi di marketing.

In sostanza, si tratta di banche statistiche che utilizziamo per analizzare il mercato. L'obiettivo della banca statistica è quello di aiutare nell'analisi del mercato. Quello che è stato elencato qui sono alcuni dei diversi tipi di analisi che si possono fare? Questi vengono utilizzati a seconda della situazione che si sta per incontrare. È possibile utilizzare un'analisi di regressione multipla, o un'analisi discriminante, o un'analisi del fattore, o un'analisi di cluster, oppure un'analisi congiunta a seconda del tipo di situazione che vi presenta sul mercato.
Il secondo a cui facciamo uso è quello che si chiama i modelli descrittivi? Cosa intendiamo per modelli descrittivi? Analizziamo due tipi di modelli descrittivi; uno è la macro, secondo è il micro. Quando diciamo macro guardiamo a un livello olistico che è un quadro a livello olistico. Si supponga, si può considerare le vendite come variabile dipendente, si può guardare al reddito nazionale; si può guardare al prezzo medio e alla spesa pubblicitaria aziendale come variabili indipendenti. Questi sono i link che spiegano le variazioni della variabile dipendente di nuovo ancora si può ricorrere a un'analisi di regressione multipla.
Qualsiasi sia la ricerca di una foto macro specificare il numero minimo di link non specificare troppi link. Si specificano quei link che sono molto importanti per la considerazione. D'altra parte, quando si arriva a micro che cosa succederà si specificano più link. Si espande dando più link al micro modello, modello micro descrittivo. Oltre al micro modello si può usare qualcosa come il modello di micro comportamentale, qual è questo modello di micro comportamentale? È qui che la ricerca delle operazioni arriva all'aiuto del marketing.
In definitiva non che tutto ricompensi se si tratta della banca statistica o dei modelli descrittivi quelli che andiamo più avanti come i modelli di decisione, o il metodo euristico, o di modelli matematici lineari tutti si occupano dei mercati. In definitiva guardiamo solo ai mercati, perché i mercati dettano la sopravvivenza dell'azienda o la scomparsa dell'azienda.
In un mercato competitivo, un'azienda deve sopravvivere alla competizione; quando serve per sopravvivere alla concorrenza, bisogna guardare tutti questi modelli per aiutarla a mantenersi assicurata o a tenere il collo fuori in tutto il marketplace, cioè al collo up, non si può tenere il collo in basso sul marketplace, perché c'è la stiff concorrenza, poi sarà bulldozzato dagli altri giocatori.
Qualunque cosa richieda se si tratta di ricerche di mercato il nostro sistema di marketing analitico o i diversi tipi di modelli di cui stiamo discutendo. L'azienda deve adottare in altre parole marketing place una chiave molto importante per la sopravvivenza dell'azienda. Questo è quello che stiamo vedendo in una città come, Bangalore dove ci sono molte aziende di software. Quello che stanno guardando stanno guardando tutti questi tipi di modelli giorno in e giorno fuori; e lo chiamano marketing analytics o big data.
Essenzialmente, guardano questi tipi di modelli per scoprire come si comporta il consumatore, se si vede davvero anche in una partita di cricket mondiale. Molti modelli analitici sono stati progettati per scoprire, quello che dovrebbe essere la tempistica ottimale di una pubblicità che dovrebbe arrivare, che non distrarrà indebitamente il telespettatore, ma rimane comunque nella mente del telespettatore. Tutti questi tipi di cose stanno arrivando sotto il regno dell'analytics di marketing.
Il modello di micro comportamento fa uso dei modelli o dei modelli, i modelli o modelli sono fondamentalmente questi due sono comunemente utilizzati di uno si chiama processo Markov, il secondo è chiamato i modelli queuing. Cosa cerchi di fare in tutti in questi modelli suppono che ci siano così tanti server? Dando lo stesso tipo di servizio, poi se ci si trova in coda, quale server è probabile che serva a venire in questo scenario del modello intero così, server 1, server 2, server 3.
E, quanto tempo ha intenzione di prendere per te per il servizio?
Stai guardando il tempo medio di abilitazione in coda, più il tempo di servizio che viene speso dal server su di te. In tutto il processo cosa si sta ottenendo, si ottiene quello che è il tempo che si trascorre per uno per un cliente per un solo servizio. Questo è dove molti di questi, se si guarda l'aeroporto di Bangalore, l'aeroporto internazionale Kempegowda vedi tanti aerei che sbarcano e decollano ogni 2 minutes minuti.
Quando si vedono questi aerei atterrare, i passeggeri devono sbarcare dall'aereo, poi i loro lustri devono arrivare ai diversi nastri trasportatori, poi l'aereo deve essere pulito tenuto in buone condizioni, per l'insieme dei consumatori o dei clienti per imbarcare l'aereo che si sposta verso il prossimo a destinazione. Tutto questo avviene in modo molto sistematico.

Quando si guarda un modello analitico, si guarda così, molti fattori in questo processo, che rischiano di disturbare l'affluenza del tempo dei loro aerei, cioè l'aumento di quella volta del loro aereo. Qualsiasi collegamento in quella catena di fornitura. Supponga che provochi qualche disturbo, poi il tempo impiegato per quella particolare attività di supply chain aumenterà, il risultato è che il tempo di turnaround per il loro aereo rischia di aumentare.
Il prossimo tipo di modelli che andiamo a guardare fa uso di routine matematiche, questi sono chiamati modelli decisionali, o modelli di ottimizzazione, utilizzando routine matematiche, questi modelli di routine matematica possono essere categorizzati in 4 categorie. Uno è il calcolo differenziale, secondo è la programmazione matematica, terzo è l'analisi bayesiana, la quarta è Game Theory. Guarderemo alcuni di questi modelli quando andiamo d'accordo. Gli altri tipi di modelli che si possono utilizzare sono quelli che si chiamano i modelli euristici.
Che cosa sono questi modelli euristici? Fanno uso di routine computazionali molte volte che scrivi un algoritmo per risolvere una situazione particolare. Scrivi un algoritmo e quell' algoritmo passa attraverso diverse routine, e questo ti dà come la variabile dipendente si accende. Queste diverse routine computazionali molte volte possono fare uso di diversi aspetti come il branching o il looping, ovunque sia richiesto ok.
Questa è l'altra serie di modelli, l'ultima serie di modelli a cui facciamo uso nel marketing sono i modelli matematici. Cosa danno questi modelli matematici? Sembra lineare e non lineare, cioè regressione lineare non lineare. La regressione lineare significa, segue un percorso dritto, non lineare non segue un percorso dritto. Allora potremmo forse guardare il modello statico e il modello dinamico. Modello statico in cui guardiamo ad un orizzonte temporale particolare un modello dinamico, guardiamo a diversi orizzonti temporali è un continuo.
Poi si può osservare un modello deterministico o un modello stocastico. Che cosa è un modello deterministico? Si sta facendo uso dei diversi attributi del prodotto da determinare, vale a dire esattamente quanto la variabile dipendente andrà ad influenzare.
Si tratta di un problema deterministico che è una probabilità deterministica. Che cosa è una probabilità stocastica? Infatti, quando si guarda alla probabilità deterministica, che le probabilità in sé non ci sono è tutto ciò che si è arrivati ad essere deterministici.
Supponete, dite che questa particolare variabile influenzerà la domanda entro il 25 voi siete determinati o avete scoperto che questa è la variazione che arriverà rispetto alla domanda utilizzando questo modo particolare, quando si usa questo metodo stocastico si attribuisce probabilità per questo, si dice che questo può influenzare che la mente dica entro il 20%.
Darete una probabilità di 0,2 € per questo, poi si guarda alle altre variabili diverse date loro diverse probabilità, quando si danno tutte queste diverse probabilità, si guarda un LP, cioè un modello di programmazione lineare che si avvale di un processo stocastico, che il processo stocastico fa uso di diverse probabilità per affrontare la situazione. Ecco, questi sono i diversi tipi di modelli, che si va a guardare in un sistema di marketing analitico.
Come recap tutto questo facciamo uso delle banche statistiche. Le banche statistiche che aiutano a sviluppare una banca modello, queste banche statistiche fanno sostanzialmente ricorso a molteplici regressioni, analisi discriminanti, analisi dei fattori, analisi del cluster e analisi congiunta.
Quando ci siamo trasferiti ai modelli descrittivi guardiamo inizialmente 2 tipi di modelli, cioè guardiamo ai modelli macro macro, dove i link sono limitati, poi guardiamo al micro modello, dove i link sono più, poi potremmo voler di nuovo guardare un modello di micro comportamentale, analizziamo anche il quadro comportamentale.
Hai più link che hai l'aspetto comportamentale in arrivo. Lì arrivano le porzioni OR e qui facciamo uso del processo Marco e dei modelli queuing, quando guardiamo ai modelli di decisione, guardiamo sostanzialmente ai modelli di ottimizzazione, questi modelli di ottimizzazione guardano a calculus differenziali, che si avvale del calcolo differenziale, della programmazione matematica Bayesiana e della teoria dei giochi. Si chiamano routine matematiche. Poi potremmo anche fare uso di modelli euristici quando utilizziamo routine computazionali.
Facciamo anche uso di modelli matematici in cui utilizziamo la programmazione lineare e la programmazione non lineare, può essere statica o dinamica, può essere deterministica o stocastica a seconda del tipo di modelli che si sta risolendo. Questi sono sostanzialmente il peggior gamut di attività di sistema di marketing analitico che si sta svolgendo nel regno del marketing nel contesto attuale. Tutto questo si sta raggruppando sotto questa ampia terminologia chiamata analytics di marketing.
Qualsiasi reclutatore nel presente oggi guarda all'analitica, cioè sta guardando "se assumo questa persona quanto è utile che questa persona sia per l'organizzazione"? Gentilmente notare che tutto ruota intorno al marketing e ti sta guardando è utile per risolvere molte delle questioni legate al marketing che potrebbero arrivare. Cerca di affrontare come si può migliorare le vendite per lui e di conseguenza come i suoi profitti possano migliorare.
Gentilmente notare che nessuna azienda è funzionante nel vuoto, nessuna impresa cerca di dire tutto quello che sto facendo per un'attività no profit; un business è un'attività di guadagno, sia che uno piaccia dirlo o non si deve guardare al business come ad un'attività di guadagno e in una situazione di business, non è considerato male fare profitti da un business.
Anzi, in questo momento più profitti si fa più si sta contribuendo al PIL della nazione ok. Questo è un tipo di scenario che probabilmente avrete. Questi ampi campi di analytics di marketing stanno affrontando tutte queste domande, poi quando si sta guardando uno scenario in cui si sta arrivando grandi quantità di dati rispetto all'organizzazione.
La dimensione dell'organizzazione aumenta a volte la dimensione potrebbe essere di mezzo anche, ma ancora i dati che potreste dover gestire potrebbero essere molto grandi. Ecco dove si fa uso dei vostri big data analytics; quindi, tutti questi che arrivano sotto la terminologia dei sistemi di marketing analitici. Ci fermiamo qui continueremo nella prossima classe ok.