В IT среде к маркетингу принято относится как к прибежищу гуманитариев, которые жонглируют абстракциями в духе "УТП" и "не наша ЦА". И книга «Байесовская статистика в маркетинге» Грега Алленби — пожалуй, самый наглядный пример статистического хардкора и реального объема факторов для принятия маркетинговых решений.

В 2024 году вышло второе издание (первое с 2005 года успело сильно устареть).

Книга описывает подходы к решению вычислительных задач в моделях со случайными коэффициентами, непараметрических моделях и проблемы эндогенности для маркетинговых данных. Проще говоря — это набор методов и инструментов для оцифровки неопределенности, с которой работает любой маркетолог.

В книге много реальных примеров: от прогноза продаж молока с учетом покупок за полгода и расположения ближайших магазинов до моделирования эффекта от таргетированной рекламы одежды с поправкой на сезонность и время просмотра рекламы разными демографическими группами.

Очень нетривиальный, но прикладной кейс — использование процесса Дирихле для сегментации аудитории интернет-магазина. Это подход, который помогает сгруппировать объекты без предварительно заданного числа групп.

Видимо, старая добрая RFM-сегментация не зашла, и для кластеризации вывели метрики схожести в покупках 5000 клиентов, на их основе описали матрицы предпочтений и объединили покупателей в 7 сегментов с похожими паттернами. И уже на основе этих сегментов вместо одной общей настроили 7 отдельных маркетинговых кампаний.

Сквозная мысль в книге — необходимость оцифровать и интегрировать вообще все доступные факторы в модель и регулярно их обновлять. Не только клики и конверсии, но и влияние погоды, конкурентов, макроэкономики и скрытых факторов выбора внутри «не нашей ЦА». Именно так работает реальный мир.