Perché il choice modeling?

Choice Modeling for Marketing in R

Elea McDonnell Feit

Assistant Professor of Marketing, Drexel University

La regressione collega i predittori a esiti numerici

Un modello di regressione lineare serve a prevedere un numero.

Nel marketing, si può usare una regressione lineare per capire come le vendite di un negozio siano legate alle sue caratteristiche. Le vendite sono un numero.

Molti eventi che vogliamo capire e prevedere sono scelte

Scegliere un vestito per un'occasione speciale da un rivenditore online
Decidere cosa guardare su una piattaforma di streaming
Comprare un'auto

Le scelte richiedono un tipo speciale di regressione

La regressione logistica multinomiale o multinomial logit serve a prevedere una scelta da un insieme di alternative, in base alle caratteristiche di ciascuna. Per esempio, possiamo stimare la probabilità di scegliere una certa auto in base alle caratteristiche delle auto disponibili.

La regressione logistica o logit è un caso speciale della precedente per prevedere esiti binari "sì/no", come l'adesione a un'offerta promozionale.

Applicazioni di marketing dei modelli di scelta

Progettazione di nuovi prodotti

Capire come le caratteristiche influenzano ciò che le persone comprano

Pricing

Determinare come il prezzo è legato alla quota di mercato

Merchandising

Misurare l'effetto del flag "preferito dai clienti" sul prodotto scelto da un acquirente online

Quali scelte ti interessa analizzare?

Choice Modeling for Marketing in R