یک ضرایب تصادفی مدل مارکوف را برای تحقیقات بازاریابی پنهان کرده است

مدل مارکوف پنهان (HMM) چارچوبی برای مدل سازی اثرات متغیر زمان متغیرهای ترکیبی بازاریابی فراهم می کند. هنگامی که در یک زمینه داده پانل به کار گرفته می شوید ، مهم است که ناهمگونی غیرقابل محافظت در افراد را به درستی حساب کنید. ما یک مخلوط ضرایب تصادفی جدید HMM (RCMHMM) را پیشنهاد می کنیم که اجازه می دهد تا الگوهای انعطاف پذیر ناهمگونی غیرقابل محافظت در هر دو پارامتر وابسته به دولت و گذار ارائه شود. RCMHMM همه HMM های موجود در ادبیات بازاریابی را لانه می کند. نتایج حاصل از دو مطالعه شبیه سازی نشان می دهد که ۱) میانگین تعداد زیادی از فرآیند های تولید داده مختلف ، RCMHMM از نسخه های تو در تو و با استفاده از عملکرد داخل نمونه و خارج از نمونه و ۲) RCMHMM مقاوم تر است. نسخه ها هنگام فرضیه های مدل زیر نقض می شوند. علاوه بر این ، ما RCMHMM را به یک برنامه تجربی که در آن اثربخشی تبلیغات درون بازی در افزایش تقاضای کوتاه مدت برای حضور در لیگ برتر بیس بال (MLB) را بررسی می کنیم ، اعمال می کنیم. ما می دانیم که اثربخشی چهار مقوله تبلیغاتی در طول فصل و در تیم ها متفاوت است و RCMHMM بهترین عملکرد را دارد.