마케팅 사이언스
대학원 Readling List
대학원 Readling List
1. Intro. 마케팅 데이타와 마케팅 발전 역사
강의 동영상 참조
2. Aggregate Level Model:
Continuous Regression (일반 회귀분석 모형)
*적용 연구논문
1) Chung, Jaihak and Jiyeon Eoh (2019), "Naming Strategies as a Tool for Communication: Application to Movie Titles," International Journal of Advertising, Vol. 38, Issue 81139-1152. (April. 16)
2) 김현경, 정재학 (2017), “온라인 메시지 포스팅 전략이 온라인 소비자의 적극적 반응(댓글)에 미치는 영향,” 소비자학연구, 28권 1호. 115-127.
3. Disaggregate Level Model: Consumer Choice Model
(Hyunkyung Kim and Jaihak Chung, (2017). The Effect of Online Message Posting Strategy on Online Consumer Replies, Journal of Consumer Studies, Vol. 28 Issue 1, 115-127.)
Logit Model
로짓 모델: CHAPTER 3. LOGIT MODELS FOR BINARY DATA
http://data.princeton.edu/wws509/notes/c3.pdf
서적: 소비자 선택 이론 (이 분야 표준서에 해당하는 서적으로 매우 훌륭함.)
로짓 모델: CHAPTER 3. LOGIT MODELS FOR BINARY DATA
http://data.princeton.edu/wws509/notes/c3.pdf
서적: 소비자 선택 이론 (이 분야 표준서에 해당하는 서적으로 매우 훌륭함.)
Discrete Choice Analysis, Theory and Application to Travel Demand, (Moshe Ben-Akiva and Steven R. Lerman)
* Choice Model (활용)
1) 고객선택 모형 (Consumer Choice Model)의 확장: Reference Effect
- Wang, Ping, Luping Sun, Rakesh Niraj, Jaihak Chung, and Meng Su (2019), "Incorporating reference products into modeling consumer choice decision: A mixtures-of-experts model," Decision Support Systems, Volume 119, 85-95. https://doi.org/10.1016/j.dss.2019.02.002
2) 시장세분화 활용: 전통적으로 시장 세분화를 clustering analysis (k-means등)을 사용하고 있으나, 오직 고객 초이스 데이타를 이용한 시장 세분화가 가능함. 소위 3세대 방법론
Latent Class Model
4) AI와 마케팅: Recommendation service model 적용
온라인 추천 시스템의 핵심 알고리즘은 그 동안 협업필터링(Collaborative Filtering)과 같이 컴퓨터 사이언스 분야의 방법론이 주류를 이루었으나, 마케팅에서 많이 쓰고 있는 choice model과 믹싱하여 보다 예측력을 높이는 추천 모형 개발
Latent Class Model
WA Kamakura, GJ Russell - Journal of marketing research, 1989 Source: http://www.jstor.org/stable/3172759
마케팅에서 소비자 선택 모형을 베이지안 시각에서 어떻게 활용해 왔는지를 소개한 논문
3) 베이지안 방법론으로 고객선택모형 확대
Harikesh S. Nair, Pradeep K. Chintagunta, Discrete-Choice Models of Consumer Demand in Marketing, Marketing Science Vol. 30, No. 6 (November-December 2011), pp. 977-996 (all) <https://www.jstor.org/stable/41408413?seq=1#page_scan_tab_contents>
[참고하면 좋은 논문]
* Rossi, P., Allenby, G., McCulloch, R. (2009) Bayesian statistics and marketing. Wiley
4) AI와 마케팅: Recommendation service model 적용
온라인 추천 시스템의 핵심 알고리즘은 그 동안 협업필터링(Collaborative Filtering)과 같이 컴퓨터 사이언스 분야의 방법론이 주류를 이루었으나, 마케팅에서 많이 쓰고 있는 choice model과 믹싱하여 보다 예측력을 높이는 추천 모형 개발
- Jaihak Chung, Vithala R. Rao (2012) A General Consumer Preference Model for Experience Products: Application to Internet Recommendation Services. Journal of Marketing Research: June 2012, Vol. 49, No. 3, pp. 289-305. () (session 4)
WEB APPENDIX
https://www.ama.org/publications/JournalOfMarketingResearch/documents/jmr.09.0467-web-appendix.pdf
5. 빅데이타 (온라인 텍스트) 관련 연구:
* 혁신 확산 모형 Diffusion Model
- Chung, Jaihak (2011), “Investigating the Roles of Online Buzz for New Product Diffusion and its Cross-Country Dynamics,” Journal of Business Research, Vol. 64 Issue 11, (Nov.) 1183-1189. () (session 4)
* 감성분석을 적용한 수요 예측: 온라인 게임앱 수요 예측
-Sungsoo Jang, Jaihak Chung, and Vithala R. Rao (2019), "The importance of functional and emotional content in online consumer reviews for product sales: Evidence from the mobile gaming market," Journal of Business Research. 10.1016/j.jbusres.2019.09.027
6. 기타 연구
- 정재학, 어지연 (2010), “스토리 기반 컨텐츠를 위한 시장성 평가 모형 (A Marketability Forecasting Model for Story-based Content)”, 마케팅연구, 25(2).
