عنوان مقاله:
به روز رسانی نظریه بازاریابی صنعتی: بازاریابی صنعتی به عنوان یک فرآیند بیزی برای به روز رسانی باورها
Updating the theory of industrial marketing: Industrial marketing as a Bayesian process of belief-updating
سال انتشار: 2022
رشته: مدیریت - بازاریابی
گرایش: مدیریت کسب و کار - بازاریابی - مدیریت بازرگانی
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
2. Bayesian inference
Bayesian inference is based on hypotheses, probabilities, and evidence (Bayes, 1763; for short introductions, see Andraszewicz et al., 2015; McCann & Schwab, 2020). Hypotheses are beliefs held by a person or a group of people, such as an organization, that point to a causal relationship or an expectation, essentially comprising a prediction of what will happen. In business-to-business marketing, such hypotheses may, for example, propose that investing in customer relationships leads to superior performance, that the use of social media is important for winning new customers, or that all customers will pay their invoices. Probabilities are expressions of the likelihood that something is true or can happen. A “probability is a quantitative notion that assigns a value ranging between 0 and 1 to a hypothesis on the basis of a body of information” (Galavotti, 2015, p. 745). The likely true state of the world is expressed as Bayesian probabilities (Griffiths & Tenenbaum, 2006), which in Bayesian inference reflect “personalistic interpretations of probability” (Roberts, 1963, p. 1). Referring to the sample hypotheses above, one might believe that superior performance results from investing in customer relationships in 8 out of 10 cases (i.e., allocate a Bayesian probability of 0.80 to this hypothesis) or that 50% of potential customers will react to a social-media campaign. Likewise, customers’ payment of invoices may be regarded as nearly certain with a Bayesian probability of 0.99. Finally, evidence—such as customers increasing their purchases, new customers referring to a social-media advertisement as their reason for contacting a supplier, or customers not paying invoices—serves as a reason for revising the hypotheses. Bayesian inference presumes that there is both a hypothesis and a prior probability that a hypothesis is true before the evidence is observed, and that one can assign probabilities to the evidence as well as the evidence given the hypothesis (Silver, 2012). Hence, Bayesian richness “results from the natural and principled way of combining prior information with data within a solid and coherent decision theoretical framework” (Rouziou & Dugan, 2020, p.118). Put differently, Bayesian inference is an analytical and processual mode of reasoning that entails the formulation of a hypothesis and probabilities as well as evidence collection and analysis. In essence, it is therefore a cognitive process.
3. Bayesian inference as a method in marketing
The notion of Bayesian inference is not new to the marketing field. In the first issue of Industrial Marketing Management, Pearce (1971, p. 23) mentioned Bayesian statistics as a potential method for creating market intelligence. Likewise, Groeneveld (1976, p. 313) proposed considering “potential applications of Bayesian analysis to the marketing operations of industrial firms.” However, less than 50 papers published in Industrial Marketing Management to date mention Bayesian inference (see Appendix A), and the majority of those papers use Bayesian statistics as a methodological technique in their empirical studies. The other papers only mention “Bayesian” in passing or in summaries (e.g., review papers). Interestingly, Bayesian inference increased in popularity in 2020, making 2020 the year with most mentions of Bayesian inference in Industrial Marketing Management. Green (1963) discussed Bayesian decision theory and Roberts (1963) raised the issue of Bayesian statistics in the Journal of Marketing. Despite these early references to the concept, only 17 (including the two mentioned above) of the papers published in the Journal of Marketing in the past 50 years mention “Bayesian.” All of these papers use Bayesian inference as a method in their statistical analyses. A similar picture emerges for the Journal of the Academy of Marketing Science, where the first two papers with Bayesian reasoning date back to 1973 (i.e., the first issue). However, only 12 papers published since then use Bayesian inference as a method (Appendix B). In conclusion, Bayesian inference received some attention in early marketing research. However, it has not attracted a great deal of interest over the years, especially when compared to the use of other statistical methods, such as regression analysis and structural equation modelling. Moreover, we know of no studies that seek to (re)conceptualize marketing as a cognitive process that mirrors Bayesian inference. This gap is interesting, as we argue that the logic of Bayesian inference is closely related to marketing thinking. As such, it constitutes the intellectual foundation of marketing theory and practice.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
2. استنتاج بیزی
استنباط بیزی مبتنی بر فرضیه ها، احتمالات و شواهد است (بیز، 1763؛ برای مقدمه های کوتاه، به آندراشویچ و همکاران، 2015؛ مک کان و شواب، 2020 مراجعه کنید). فرضیه ها باورهایی هستند که توسط یک فرد یا گروهی از افراد مانند یک سازمان وجود دارد و به یک رابطه علّی یا یک انتظار اشاره می کند که اساساً شامل پیش بینی آنچه اتفاق خواهد افتاد است. به عنوان مثال، در بازاریابی کسب و کار به تجارت، چنین فرضیه‌هایی ممکن است پیشنهاد کنند که سرمایه‌گذاری در روابط مشتری منجر به عملکرد برتر می‌شود، استفاده از رسانه‌های اجتماعی برای جذب مشتریان جدید مهم است، یا اینکه همه مشتریان فاکتورهای خود را پرداخت می‌کنند. احتمالات بیان این احتمال هستند که چیزی درست است یا می تواند اتفاق بیفتد. "احتمال یک مفهوم کمی است که بر اساس مجموعه ای از اطلاعات، مقداری بین 0 و 1 را به یک فرضیه اختصاص می دهد" (گالاوتی، 2015، ص 745). وضعیت واقعی احتمالی جهان به صورت احتمالات بیزی بیان می شود (گریفیث و تننباوم، 2006)، که در استنتاج بیزی "تفسیرهای شخصی از احتمال" را منعکس می کند (رابرتز، 1963، ص 1). با اشاره به فرضیه های نمونه بالا، ممکن است باور شود که عملکرد برتر از سرمایه گذاری در روابط با مشتری در 8 مورد از 10 مورد (یعنی تخصیص یک احتمال بیزی 0.80 به این فرضیه) نتیجه می شود یا 50٪ از مشتریان بالقوه به یک موقعیت اجتماعی واکنش نشان می دهند. - کمپین رسانه ای به همین ترتیب، پرداخت صورت‌حساب‌های مشتریان با احتمال بیزی 0.99 تقریباً قطعی است. در نهایت، شواهدی مانند افزایش خرید توسط مشتریان، مراجعه مشتریان جدید به تبلیغات در رسانه های اجتماعی به عنوان دلیل تماس با تامین کننده، یا عدم پرداخت فاکتور توسط مشتریان، به عنوان دلیلی برای تجدید نظر در فرضیه ها عمل می کند. استنباط بیزی فرض می کند که هم یک فرضیه و هم احتمال قبلی وجود دارد که یک فرضیه قبل از مشاهده شواهد درست است، و اینکه می توان احتمالاتی را به شواهد و همچنین شواهدی که به فرضیه داده شده است، اختصاص داد (سیلور، 2012). از این رو، غنای بیزی "نتیجه روش طبیعی و اصولی ترکیب اطلاعات قبلی با داده ها در چارچوب نظری تصمیم گیری منسجم و محکم است" (Rouziou & Dugan, 2020, p.118). به عبارت دیگر، استنتاج بیزی روشی تحلیلی و فرآیندی از استدلال است که مستلزم تدوین یک فرضیه و احتمالات و همچنین جمع‌آوری و تحلیل شواهد است. در اصل، این یک فرآیند شناختی است.
3. استنتاج بیزی به عنوان روشی در بازاریابی
مفهوم استنتاج بیزی در زمینه بازاریابی جدید نیست. پیرس (1971، ص 23) در شماره اول مدیریت بازاریابی صنعتی، از آمار بیزی به عنوان روشی بالقوه برای ایجاد هوش بازار یاد کرد. به همین ترتیب، گرونولد (1976، ص 313) در نظر گرفتن "کاربردهای بالقوه تحلیل بیزی در عملیات بازاریابی شرکت های صنعتی" را پیشنهاد کرد. با این حال، کمتر از 50 مقاله منتشر شده در مدیریت بازاریابی صنعتی تا به امروز به استنباط بیزی اشاره کرده اند (به پیوست A مراجعه کنید)، و اکثر این مقالات از آمار بیزی به عنوان یک تکنیک روش شناختی در مطالعات تجربی خود استفاده می کنند. سایر مقالات فقط به صورت گذرا یا به طور خلاصه به "Bayesian" اشاره می کنند (مثلاً مقالات مروری). جالب توجه است که استنتاج بیزی در سال 2020 محبوبیت خود را افزایش داد و سال 2020 را به سالی تبدیل کرد که بیشترین اشاره به استنباط بیزی در مدیریت بازاریابی صنعتی داشت. گرین (1963) نظریه تصمیم بیزی را مورد بحث قرار داد و رابرتز (1963) موضوع آمار بیزی را در مجله بازاریابی مطرح کرد. علیرغم این ارجاعات اولیه به مفهوم، تنها 17 مقاله (از جمله دو مورد ذکر شده در بالا) از مقالات منتشر شده در مجله بازاریابی در 50 سال گذشته به "Bayesian" اشاره کرده اند. همه این مقالات از استنتاج بیزی به عنوان روشی در تحلیل های آماری خود استفاده می کنند. تصویر مشابهی برای مجله آکادمی علوم بازاریابی ظاهر می شود، جایی که دو مقاله اول با استدلال بیزی به سال 1973 (یعنی شماره اول) برمی گردد. با این حال، تنها 12 مقاله منتشر شده از آن زمان از استنتاج بیزی به عنوان یک روش استفاده می کنند (پیوست B). در نتیجه، استنتاج بیزی در تحقیقات بازاریابی اولیه مورد توجه قرار گرفت. با این حال، در طول سال‌ها توجه زیادی را به خود جلب نکرده است، به‌ویژه زمانی که با استفاده از روش‌های آماری دیگر، مانند تحلیل رگرسیون و مدل‌سازی معادلات ساختاری مقایسه می‌شود. علاوه بر این، ما هیچ مطالعه‌ای نمی‌شناسیم که به دنبال مفهوم‌سازی مجدد بازاریابی به عنوان یک فرآیند شناختی باشد که استنتاج بیزی را منعکس می‌کند. این شکاف جالب است، زیرا ما استدلال می کنیم که منطق استنتاج بیزی ارتباط نزدیکی با تفکر بازاریابی دارد. به این ترتیب، پایه و اساس فکری تئوری و عمل بازاریابی را تشکیل می دهد.
