Comparação de métodos estatísticos para a modelagem do mix de marketing

Abstract

Resumo : Diante do problema da alocação de investimento em publicidade, os gestores de marketing utilizam de métodos estatísticos para compreender os impactos das ações de mídia na receita das empresas. A modelagem do mix de marketing engloba uma variedade de métodos estatísticos que são aplicados aos dados de publicidade para mensurar o impacto de táticas de marketing nas vendas de uma empresa e realizar previsões. O método estatístico mais popular é a regressão linear múltipla. Entretanto esta abordagem possui algumas desvantagens, sendo as principais: linearidade é questionável no dia a dia das ações de marketing - por exemplo, o aumento do investimento em determinado canal de mídia e a receita - e que os os conjuntos de dados de marketing possuem estrutura temporal que não é captada por esse tipo de modelo. Estudos recentes apontam métodos alternativos para proporcionar uma compreensão mais ampla do impacto de covariáveis na receita da empresa. O presente trabalho teve como objetivo comparar os ajustes dos modelos ARIMA e Redes Neurais Recorrentes em um conjundo de dados de marketing. Ao realizar a comparação entre os valores observados e as predições de cada um dos métodos, foi identificado que o modelo ARIMA obteve um desempenho mais satisfatório, quando comparado às Redes Neurais Recorrentes