文件名称：消费者的购买旅程之路：全渠道深度学习模型-研究论文
文件大小：1.77MB
文件格式：PDF
更新时间：2024-06-09 09:05:49
Omnichannel marketing online-offline purchase funnel
全渠道实践和新兴技术的激增为公司跨多个渠道收集大量数据提供了新的机会。 这项研究调查了鉴于传统营销的数字化转型带来的内在流动性和异质性，利用全渠道数据是否可以（从统计和经济角度）更好地预测消费者的在线购买路径。 通过使用全渠道数据集来捕获消费者根据其网站浏览轨迹的在线行为以及其离线行为（根据地理位置轨迹），我们可以根据他们的历史全渠道行为来预测消费者的未来购买路径。 使用最新的深度学习算法，我们发现使用全渠道数据可以显着提高模型的预测能力。 升力曲线分析表明，全渠道模型优于相应的单渠道模型7.38％。 这种增强的预测能力使各种异构的在线公司受益，无论它们的规模，离线状态，移动应用程序的可用性，还是他们出售的是单类别产品还是多类别产品。 通过使用有针对性的营销的说明性示例，我们使用成本收入分析来进一步量化改进的预测能力的经济价值。 我们的论文为新兴的全渠道营销文献做出了贡献，并阐明了消费者在线购买路径中的内在动力和流动性。