在当今，企业肆意收集的消费者数据。反过来，消费者又受到广告的轰炸，但是低效的广告投放错过了“正确的”潜在顾客，且不能满足用户对“正确的”价格，位置或产品的需求。
企业本可以更好地利用收集到的数据来定位客户。不幸的是，传统计算机难以分析大量信息并将数据转换为可行的营销策略。
为了解决这个问题，利兹大学市场营销学助理教授Rico Bumbaca以及来自芝加哥大学布斯商学院和UCLA安德森管理学院的研究人员创建了一种新算法，可以缩放超大型数据集并生成高度准确的客户画像。
Bumbaca团队在最近发表于《市场研究杂志》上的论文Scalable Target Marketing:Distributed Markov Chain Monte Carlo for Bayesian Hierarchical Models(可伸缩目标市场营销：用于贝叶斯层次模型的分布式马尔可夫链蒙特卡洛)里中描述了新算法的原理。
Bumbaca说：“该方法利用超级计算机的优势，将数据分成较小的块，并行处理每个块，再将结果组合在一起，以提供对消费者偏好的高精度估计。”
然后，企业就可以使用它们完成更具针对性地广告投放，并增加消费者回应广告的可能性。
目前，团队将这种方法应用于为慈善组织筛选潜在捐助者。理论上使用他们的算法，单次募集活动的平均捐赠额将增加160万美元，达到420万美元，效益超过传统的公益广告投放。
