在當(dāng)今，企業(yè)肆意收集的消費者數(shù)據(jù)。反過來，消費者又受到廣告的轟炸，但是低效的廣告投放錯過了“正確的”潛在顧客，且不能滿足用戶對“正確的”價格，位置或產(chǎn)品的需求。
企業(yè)本可以更好地利用收集到的數(shù)據(jù)來定位客戶。不幸的是，傳統(tǒng)計算機難以分析大量信息并將數(shù)據(jù)轉(zhuǎn)換為可行的營銷策略。
為了解決這個問題，利茲大學(xué)市場營銷學(xué)助理教授Rico Bumbaca以及來自芝加哥大學(xué)布斯商學(xué)院和UCLA安德森管理學(xué)院的研究人員創(chuàng)建了一種新算法，可以縮放超大型數(shù)據(jù)集并生成高度準(zhǔn)確的客戶畫像。
Bumbaca團隊在最近發(fā)表于《市場研究雜志》上的論文Scalable Target Marketing:Distributed Markov Chain Monte Carlo for Bayesian Hierarchical Models(可伸縮目標(biāo)市場營銷：用于貝葉斯層次模型的分布式馬爾可夫鏈蒙特卡洛)里中描述了新算法的原理。
Bumbaca說：“該方法利用超級計算機的優(yōu)勢，將數(shù)據(jù)分成較小的塊，并行處理每個塊，再將結(jié)果組合在一起，以提供對消費者偏好的高精度估計。”
然后，企業(yè)就可以使用它們完成更具針對性地廣告投放，并增加消費者回應(yīng)廣告的可能性。
目前，團隊將這種方法應(yīng)用于為慈善組織篩選潛在捐助者。理論上使用他們的算法，單次募集活動的平均捐贈額將增加160萬美元，達(dá)到420萬美元，效益超過傳統(tǒng)的公益廣告投放。
