دانلود مقاله به روز رسانی نظریه بازاریابی صنعتی
ترجمه نشده

دانلود مقاله به روز رسانی نظریه بازاریابی صنعتی

عنوان فارسی مقاله: به روز رسانی نظریه بازاریابی صنعتی: بازاریابی صنعتی به عنوان یک فرآیند بیزی برای به روز رسانی باورها
عنوان انگلیسی مقاله: Updating the theory of industrial marketing: Industrial marketing as a Bayesian process of belief-updating
مجله/کنفرانس: مدیریت بازاریابی صنعتی - Industrial Marketing Management
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: مدیریت کسب و کار - بازاریابی - مدیریت بازرگانی
کلمات کلیدی فارسی: استنتاج بیزی - نظریه های در حال استفاده - بازاریابی صنعتی - واکنش بازار - بازارگرایی - تجزیه و تحلیل - یادگیری
کلمات کلیدی انگلیسی: Bayesian inference - Theories-in-use - Industrial marketing - Market responsiveness - Market orientation - Analytics - Learning
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.indmarman.2022.02.008
نویسندگان: Carsten Lund Pedersen - Thomas Ritter
دانشگاه: Department of Marketing, Copenhagen Business School, Denmark
صفحات مقاله انگلیسی: 18
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 6.856 در سال 2020
شاخص H_index: 136 در سال 2022
شاخص SJR: 2.022 در سال 2020
شناسه ISSN: 0019-8501
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e16271
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)

نکات برجسته

چکیده

کلید واژه ها

1. مقدمه

2. استنتاج بیزی

3. استنتاج بیزی به عنوان روشی در بازاریابی

4. بازاریابی به عنوان استنباط بیزی

4.1. نمونه ای از استنباط بیزی در بازاریابی صنعتی

4.2. چهار پیشرفت در یادگیری بازار از استنباط بیزی

4.3. شیوه های بازاریابی (سوء)

4.3.1. بازاریابی شانس محور

4.3.2. بازاریابی مبتنی بر تاریخ

4.3.3. بازاریابی رویداد محور

4.3.4. بازاریابی مبتنی بر به روز رسانی

5. مفاهیم، ​​محدودیت ها، و فرصت ها برای تحقیقات بیشتر

پیوست A. مقالاتی در مدیریت بازاریابی صنعتی که به استنباط بیزی (به ترتیب زمانی) اشاره دارد

پیوست B. مقالاتی در مجلات بازاریابی که به استنباط بیزی ارجاع می دهند (به ترتیب حروف الفبا)

منابع

فهرست مطالب (انگلیسی)

Highlights

Abstract

Keywords

1. Introduction

2. Bayesian inference

3. Bayesian inference as a method in marketing

4. Marketing as Bayesian inference

4.1. An example of Bayesian inference in industrial marketing

4.2. Four improvements in market learning from Bayesian inference

4.3. Marketing (mal-)practices

4.3.1. Luck-driven marketing

4.3.2. History-driven marketing

4.3.3. Event-driven marketing

4.3.4. Update-driven marketing

5. Implications, limitations, and opportunities for further research

Declaration of Competing Interest

Appendix A. Papers in Industrial Marketing Management that refer to Bayesian inference (in chronological order)

Appendix B. Papers in marketing journals that refer to Bayesian inference (in alphabetical order)

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     در حالی که بازاریابی صنعتی اغلب شامل فرآیندی است که حداقل در اصل، استدلال بیزی را منعکس می کند، مفهوم استنتاج بیزی عمدتاً در زمینه بازاریابی به عنوان یک ابزار روش شناختی مورد استفاده قرار گرفته است. این مقاله پیشنهاد می‌کند که خود عمل بازاریابی صنعتی باید به‌عنوان یک فرآیند بیزی برای به‌روزرسانی باورها که مستلزم یک چرخه شناختی مداوم از فرمول‌بندی فرضیه‌ها (یعنی باورها در مورد بازار) و متعاقب آن به‌روزرسانی این فرضیه‌ها است، مفهوم‌سازی شود. قرار گرفتن در معرض شواهد بازار (به عنوان مثال، داده های بازار). دیدگاه بیزی در مورد بازاریابی صنعتی ترکیبی از مجموعه وسیعی از تحقیقات موجود و همچنین تمرکز بر ارتباط متقابل بین باورهای بازار مدیران اجرایی (نظریه های در حال استفاده) و به روز رسانی باورها (ارزیابی اعتبار آن باورها با توجه به شواهد بازار). دیدگاه بازاریابی صنعتی به عنوان یک فرآیند بیزی نه تنها درک ما را به طور کلی افزایش می دهد، بلکه بینش هایی را در مورد یادگیری بازار در موقعیت های نامطمئن و فرار تقویت می کند. یک مفهوم سازی بیزی، درک جدیدی از بازاریابی صنعتی را پیشنهاد می کند که نوع شناسی رویکردهای بازاریابی را نیز بیان می کند. ما فرصت هایی را برای توسعه درک بهتر از پایه بیزی بازاریابی صنعتی ترسیم می کنیم.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     While industrial marketing often comprises a process that, at least in principle, mirrors Bayesian reasoning, the notion of Bayesian inference has predominantly been utilized in the marketing field as a methodological tool. This article suggests that the practice of industrial marketing itself should be (re)conceptualized as a Bayesian process of belief-updating that entails a continuous cognitive cycle of formulation of hypotheses (i.e., beliefs about the market) and the subsequent updating of those hypotheses through exposure to market evidence (e.g., data from the market). A Bayesian perspective on industrial marketing enables a synthesis of a broad body of extant research as well as a focus on the interconnection between executives’ market beliefs (theories-in-use) and belief-updating (assessing the validity of those beliefs in view of market evidence). A view of industrial marketing as a Bayesian process not only enhances our understanding in general but also fosters insights into market learning in uncertain and volatile situations. A Bayesian conceptualization suggests a new understanding of industrial marketing that also informs a typology of marketing approaches. We outline opportunities for developing a better understanding of the Bayesian foundation of industrial marketing.

Introduction

     The practice of industrial marketing is often predicated upon the mental models and internalized theories of industrial marketers entailing expectations concerning how markets function and how buyers will respond to different corporate actions (e.g., Nevett, 1991; Zeithaml et al., 2020).1 As Zaltman, LeMasters, and Heffring (1982) posit, individuals’ mental theories (i.e., theories-in-use, TIU) may be conceptualized as a set of “if-then” relationships between actions and outcomes. For example, an industrial marketer may have a theory that “a firm’s customer centricity improves its profitability, but an increase in customer centricity beyond a certain level adversely affects firm profitability because it is too costly. That is, there is an inverted Ushaped relationship” (Zeithaml et al., 2020).

Implications, limitations, and opportunities for further research

    Bayesian statistics have a long tradition as a niche analytical tool in the field of marketing. Yet, Bayesian inference has not experienced the same interest as a mode that enables marketers to reason and learn cognitively, even though they likely learn in this manner (e.g., Griffiths & Tenenbaum, 2006). A more explicit focus on the potential of Bayesian thinking could arguably encourage marketing practitioners to learn this important skill (e.g., Silver, 2012; Tetlock, 2005) and increase the marketing field’s interest in Bayes as a cognitive phenomenon relevant for many marketing constructs. We believe this paper could be an important catalyst for spurring debate on this important topic.