بازاریابی مهارتی فراتر از روانشناسی مشتری و روابط عمومی و تبلیغات است. این علم اکنون به تسلط بر مدلسازی، محاسبات ریاضی و دانش آماری نیاز دارد. کتاب آمار بیز نوشتهی مجتبی کاتب و علیرضا وفائیان ما را با شیوههای گوناگون بازاریابی آشنا و به مخاطبان خود کمک میکند تا این کار را به شکلی سودبخش، اصولی و در سریعترین حالت ممکن انجام دهند.
دربارهی کتاب آمار بیز
کسانی که تا به حال بهسراغ بازاریابی و جذب مشتری نرفتهاند، دچار این تصور اشتباه هستند که این کار چندان دشوار نیست و هر کس میتواند یک کالا را به بهترین شیوه تبلیغ و از آن تعریف کند تا طرف مقابل به خریدنش ترغیب شود، اما واقعیت این است که بازاریابی و فروش کاری بسیار دشوارتر از اینهاست و از عهدهی هر کسی ساخته نیست. مجتبی کاتب و علیرضا وفائیان کوشیدهاند تا مخاطبان خود را با روشهای گوناگون بازاریابی که الگو و مدلسازی از مهمترین این روشهاست، آشنا کنند.
کتاب آماز بیز به ما نشان میدهد روشهای الگوسازی و مدلسازی همچون مونتکارلو برای مسائل «اقتصادسنجی فرد» و «قیمتگذاری اصولی» سودمند است. ایدهی اصلی که در روش McMc استوار شده، ایجاد زنجیرهی مارکوفی بر فضای پارامتری است. این روش با شیوهی همانندسازی کار میکند و به افرادی که میخواهند به شیوهی سوددهی یا زیاندهی یک مجموعه آگاه و مسلط شوند، اطلاعات مفید و کاربردی ارائه میکند. مجتبی کاتب و علیرضا وفائیان در کتاب آمار بیز به مخاطبان خود که سعی دارند با استفاده از روشهای محاسباتی، دقیقترین و سودبخشترین راه بازاریابی و فروش محصول را بیابند، کمک میکند تا شیوهی اجرای هر روش مدلسازی و الگوسازی را مطالعه و مشاهده کنند.
کتاب آمار بیز در انتشارات بهپویش به چاپ رسیده است.
کتاب آمار بیز برای شما مناسب است اگر
- میخواهید با کمک گرفتن از الگوهای محاسباتی و مدلسازی، بهترین شیوهی بازاریابی و سرمایهگذاری را بیاموزید.
- نسبت به علوم بازاریابی و مدیریت مالی کنجکاو و علاقهمند هستید.
- دوست دارید همهچیز را علمی و با استفاده از الگوهای مختلفی همچون روشهای مونتکارلو و مدلهای یونیت اول به ثمر رسانید.
در بخشی از کتاب آمار بیز میخوانیم
برای β = 110 و F = 1.37، واریانس زنجیره بهدست آمده برابر با 0. 37×10⁻⁴ است. اگرچه تعداد نمونهها 10000 تا بوده، اما به علت همبستگی میان نمونهها مقدار اطلاعات مؤثر کمتر میشود. بنابراین، اندازه نمونهی مؤثر نسبت به β برابر است با Neff (β) = 0.18×10000 ≈ 1300. این مسئله نشان میدهد که با وجود خودهمبستگی بالا، مقدار β به اندازه کافی نمونههای مؤثر برای تحلیل دارد. برای مقایسه، اگر از استانداردهای معمولی مانند نسبت خطای معیار استفاده شود، دیده میشود که نسبت خطای معیار به مقدار واقعی نسبتاً مناسب است، که امکان استنباط دقیق راجع به این پارامترها میدهد. در این مورد احتمالاً نیاز به تحلیلهای بیشتر نیست، اما در موارد دیگر ممکن است به علت استانداردهای ضعیفتر نیاز به افزایش طول زنجیره وجود داشته باشد. برای β و F نیز به ترتیب استانداردهای مشابهی مدنظر است.
نمودار MNP نیز خودهمبستگی بالاتری را نسبت به نمودار MeMc که در فصل 3 مورد بررسی قرار گرفته نشان میدهد. این نمودارهای ترکیبی میتوانند با مقادیر بالای پارامترهای همبستگی، نمونههای مؤثرتری ایجاد کنند. مقدار β و σ با هم مقایسه شدهاند و هر دو به شکل مشابهی تغییر یافتهاند. همچنین مشاهده شد که β در نمودار MNP رفتار مشابهی با β در نمودار MeMc دارد و بررسی این پدیده با لحاظ کردن الگوی توزیع خاصی از دادهها امکانپذیر است.
الگوی MNP با استفاده از دستورالعمل NID شبیهسازی شد. به طور خلاصه، نمودار شامل پارامترهای مختلفی از جمله β و σ بوده است که در 50000 تکرار مورد بررسی قرار گرفتهاند. برای β مقدار میانگین برابر با 0.72 و برای σ برابر با 1.03 برآورد شد. ضریب تغییرپذیری برای β برابر با 0.12 و برای σ برابر با 0.18 بود. تنها یک متغیر مورد توجه داشت و نسبت تغییرپذیریها در مقدار (0.9) به طور معناداری متفاوت نبود.
بله

















