科罗拉多大学博尔德分校 信用:CC0公共领域 在当今的数字时代，收集的消费者数据比以往任何时候都多
反过来，消费者被广告轰炸，这些广告忽略了向“合适的”顾客传达“合适的”信息的标记，并且不能满足顾客对“合适的”价格、地点或产品的需求
公司可以更好地利用他们收集的数据锁定客户
不幸的是，传统的计算机很难分析这些海量的信息，也很难将这些数据转化为可操作的营销努力
为了解决这个问题，利兹市场营销助理教授里科·布姆巴卡和芝加哥大学布斯商学院以及加州大学洛杉矶分校安德森管理学院的研究人员创造了一种新的算法，旨在扩展非常大的数据集，并生成客户需求和愿望的高度准确的预测
布姆巴卡和他的团队在他们的新论文《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》中描述了这种方法是如何工作的，该论文最近发表在《营销研究杂志》上
“这种方法利用超级计算机，将数据分成更小的块，并行处理每个块，并将结果结合起来，提供对消费者偏好的非常精确的估计，”布姆巴卡说
然后，这些关于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
“客户通过减少他们需要处理的来自公司的令人讨厌的信息而获胜，他们收到的信息在满足他们的需求方面是准确无误的
企业以更低的成本提高营销工作的效率，从更少的营销预算中获得更大的回报，从而赢得胜利
" 该团队将这种方法应用于一个慈善组织，该组织希望更有效地瞄准潜在的捐赠者
利用他们的算法，他们预测会增加1美元
600万至400万美元
2M在每次活动中的捐赠增量，超过了使用传统统计方法的捐赠金额
这些结果表明，目前的传统计算机根本不够强大，无法处理大量数据，也无法达到数据所能提供的潜在精度
Bumbaca和他的同事的工作对于处理来自数百万消费者的数据的营销公司来说有着难以置信的潜力
数据分析公司In4mation Insights已经询问了该算法，希望将其应用于他们的商业咨询项目
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
