Modelos Hierárquicos Bayesianos aplicados ao marketing

Abstract

Em marketing é comum utilizar dados de painel, ou seja, dados em que se têm mais de uma observação para cada unidade amostral os estudos aplicados a esta área possuem objetivos ligados a analisar duas variações de forma conjunta: dentro e entre as unidades amostrais. Deste modo, modelos mais complexos são necessários para melhorar compreensão do comportamento cliente/produto. Assim, vem se tornando comum em marketing o uso de Estatística Bayesiana. Modelos Hierárquicos Bayesianos conseguem trabalhar com os dois principais objetivos dos estudos de marketing: em um primeiro nível são modeladas as variações de produto e no segundo nível da hierarquia as variações entre consumidores. Outro benefício ao utilizar modelos bayesianos em estudos de marketing está em utilizar prioris de mistura, que conseguem captar melhor as variações de dados heterogêneos ou multimodais, por exemplo. O objetivo deste trabalho é apresentar a abordagem bayesiana de modelos hierárquicos aplicados ao marketing. Pretende-se que este texto sirva como material introdutório voltado aos profissionais da área de marketing. Para ilustrar os conceitos bayesianos aplicados ao marketing foram apresentados dois estudos de caso: o primeiro o uso de um modelo linear hierárquico bayesiano e o segundo um modelo multinomial hierárquico bayesiano. Estes são usados para auxiliar na compreensão do comportamento de volume de vendas e na probabilidade de compra. Os modelos foram ajustado utilizando o pacote bayesm do software R, que é um pacote específico para modelagem bayesiana na área de marketng. Ao longo deste trabalho todos os comandos do bayesm necessários para o ajuste do modelo são apresentados.

In marketing is common to use panel data, in other words, data that have more than one observation for each sample unit. The studies applied to this area have objectives linked to analyze two variants jointly: within and between sampling units. Thus, more complex models are needed to improve understanding of customer/product behavior. So, it has become common in marketing the use of Bayesian Statistics. Hierarchical Bayesian models can work with the two main objectives of marketing research: on a first level are modeled the product variations and on the second level of the hierarchy, the changes between consumers. Another benefit to using Bayesian models in marketing research is to use mixture models for the prior knowledge, which can better capture changes in heterogeneous or multi-modal data, for example. The objective of this paper is to present Bayesian hierarchical models applied approach to marketing. It is intended that this text will serve as introductory material geared to professionals in the field of marketing. To illustrate the Bayesian concepts applied to marketing were presented two case studies: The first use of a Bayesian hierarchical linear model and the second a Bayesian hierarchical multinomial model. These are used to assist in understanding the behavior of sales and purchase likelihood. The models were adjusted using the R software package Bayesian , which is a specific package for Bayesian modeling in the area of marketing. Throughout this paper all Bayesian commands needed to fit the model are presented.