내용구성

1. Capturing dynamics

2. Building HMM 2-1. Introduction 2-2. The Basic components of a HMM 2-3. The HMM Likelihood function 2-4. HMM state recovery and Prediction 2-5. Accounting for Cross-customer Heterogeneity 2-6. Non-Homogeneous HMMs : Time-varying covariates in the transition matrix

3. Estimating a HMM 3-1. Introduction 3-2. EM algorithm 3-3. Directly Maximizing Likelihood function 3-4. Bayesian Estimation

4. Applications of HMMs in Marketing

5. Illustrative applications of HMM 5-1. Description of the data 5-2. Basic model setup 5-3. Estimation 5-4. Results a. basic HMM, b. Non-homogeneous HMM

6. Conclusion

<aside> 🟡 Conclusion

</aside>

마케팅 분야에서 HMM 을 활용할 때 주의할 점

• Panel data → multiple time series one for each customer
• customer-specific heterogeneity

다른 분야와 비교했을 때 마케팅 분야에서 HMM 을 활용하는 것의 중요한 의미

• Firms can nudge customers’ behavior in a way that would be profitable to the firm → 예를 들어 낮은 충성도 상태에서 높은 충성도 상태로 고객을 이동 시키고자 하는 것의 의미 or 활성상태에서 수동상태 또는 이탈 상태로 떨어지는 것을 방지
• Non-homogeneous HMM 을 transition matrix 에 적용시켜, 마케팅 활동이 고객 행동에 미치는 장기적 또는 체제 전환 효과 (regime shift effect) 를 포착할 수 있다.

마케팅 분야에서 HMM 연구의 가치

• 각 고객에 대해 서로 다른 수의 state 즉 Ki 상태를 가진 HMM 고려 가능
• state generation 이라는 주제를 탐구하는 방향 (신제품 출시 같은 외생적인 고객 이벤트, 결혼과 같은 내생적인 고객 이벤트 등)
• 데이터 융합 맥락에서 잠재 상태를 변수로 사용
• 마케팅 분야의 심리 및 소비자 행동 연구는 강력한 선험적 이론 (a-priori theory) 을 가지고 있기 때문에 특정 조작을 통해 실험을 수행하는 경우가 많은데, HMM 을 경험적 추론 (empirically inferred) 의 역할로 행동 실험 맥락에서 사용 가능
• “마케팅 활동 X가 고객을 낮은 활동 상태에서 높은 활동 상태로 이동 시킨다” 와 같은 managerial insights (ex. segmentation 연구와 유사) 를 쉽게 전달할 수 있음