Full metadata record
DC FieldValueLanguage
dc.contributor.authorШаманов В. С.ru
dc.date.accessioned2025-12-18T07:14:15Z-
dc.date.available2025-12-18T07:14:15Z-
dc.date.issued2025ru
dc.identifierRU\НТБ СГАУ\581653ru
dc.identifier.citationШаманов, В. С. Эконометрическое маркетинг-микс моделирование: методология, недостатки, ограничения и возможности для модернизации = Econometric marketing mix modeling: methodology, applications and strategic importance for optimizing marketing investments / В. С. Шаманов // Развитие инструментария аналитики инновационных процессов в системах разного уровня : сб. материалов Междунар. науч.-практ. конф., г. Самара, 24 окт., 2025 г. / Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ; под. общ. ред. Н. М. Тюкавкина. - Самара. - С. 385-392.ru
dc.identifier.isbnru
dc.identifier.issnru
dc.identifier.ismnru
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/60516-
dc.identifier.npsru
dc.identifier.orcidru
dc.description.abstractВ данной статье рассматривается эконометрическое маркетинг-микс моделирование как один из инструментов для оценки эффективности рекламных источников и оптимизации распределения инвестиций в них. Проанализированы теоретические особенности. Также, определяются ключевые ограничения и предлагаются различные пути модернизации. В качестве комплементарных инструментов предлагаются к рассмотрению элементы дисперсионного анализа и Байесовский статистический подход. Сочетание всех этих методов позволит устранить ряд структурных недостатков исходной модели, повысить точность итоговой оценки и предоставить конечную информацию для организации с учетом неопределенностей, на основе которой можно будет принимать маркетинговые решения.This article discusses econometric marketing mix modeling as one of the tools for evaluating the effectiveness of advertising sources and optimizing the allocation of investments in them. The theoretical features are analyzed. Also, key constraints are identified and various modernization pathsru
dc.description.firstpage385ru
dc.description.lastpage392ru
dc.format.extentru
dc.format.mimetypeTextru
dc.language.isorusru
dc.publisherPublisherru
dc.rightsLicenseru
dc.sourceSourceru
dc.textpartВ итоге, модель получается более уточненной, при этом сохраняются только статистически значимые данные, которые имеют большую необходимость для бизнеса. 2. Байесовский подход. Сам подход позволяет включить априорные знания экспертов в итоговую модель и получать н...-
dc.subjectru
dc.subjecta posteriori distributionru
dc.subjecta priori distributionru
dc.subjecteconometric modelingru
dc.subjectFisher's criterionru
dc.subjectmarketing analyticsru
dc.subjectmarketing budget optimizationru
dc.subjectmedia channelru
dc.subjectROMIru
dc.subjectvariance analysisru
dc.subjectапостериорное распределениеru
dc.subjectаприорное распределениеru
dc.subjectдисперсионные анализru
dc.subjectдисперсионный анализru
dc.subjectкритерий Фишераru
dc.subjectмarketing mix modelingru
dc.subjectмаркетинг-миксru
dc.subjectмаркетинг-микс моделированиеru
dc.subjectмаркетинговая аналитикаru
dc.subjectмедиаканалыru
dc.subjectоптимизация маркетингового бюджетаru
dc.subjectэконометрическое моделированиеru
dc.subject.rubbkru
dc.subject.rugasntiru
dc.subject.udcru
dc.titleЭконометрическое маркетинг-микс моделирование: методология, недостатки, ограничения и возможности для модернизацииru
dc.title.alternativeru
dc.typeType Textru
Appears in Collections:Развитие инструментария аналитики инновационных процессов в системах разного уровня

Files in This Item:
File SizeFormat 
978-5-6054903-8-8_2025-385-392.pdf622.93 kBAdobe PDFView/Open


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.