Bayesian Decision Theory untuk Pemasaran (Bagian 1)

Oleh: Martinus F Sitinjak (Faculty Member of International Marketing)

Pendekatan Bayesian lebih superior dan lebih baik untuk digunakan dalam pengambilan keputusan ketika ada tingkat ketidakpastian yang tinggi atau informasi yang terbatas, namun informasi dari pendapat para ahli, historis penjualan, historis penelitian terdahulu dan ada informasi-informasi sebelumnya tersedia untuk dianalisa. Bayes juga berguna ketika menjelaskan temuan dalam arti probabilitas kepada orang-orang yang kurang akrab dan nyaman dengan memahami statistik. Dalam pengertian inilah metode Bayesian dianggap telah menciptakan jembatan antara penilaian bisnis dan statistik untuk tujuan pengambilan keputusan.

Tiga kekuatan prinsip teorema Bayes yang telah diidentifikasi oleh para sarjana adalah bahwa metode tersebut bersifat preskriptif, lengkap dan koheren. Preskriptif dalam hal itu adalah teorema yang merupakan resep sederhana untuk kesimpulan yang dicapai berdasarkan bukti dan alasan untuk pembuat keputusan yang konsisten. Lengkap, adalah karena solusinya sering jelas dan tidak ambigu, untuk pilihan model dan distribusi sebelumnya. Hal ini memungkinkan penggabungan informasi sebelumnya ketika tersedia untuk meningkatkan kekokohan solusi, serta mempertimbangkan biaya dan risiko yang terkait dengan pemilihan keputusan alternatif. Teorema Bayes terakhir adalah koheren. Bayes ini dianggap sebagai cara yang paling tepat untuk memperbarui kepercayaan dengan melihat penggabungan informasi baru, seperti yang terlihat melalui distribusi probabilitas. Ini selanjutnya dilengkapi dengan fakta bahwa inferensi Bayes memenuhi prinsip Probabilitas, yang menyatakan bahwa model atau kesimpulan untuk kumpulan data yang mengarah ke fungsi kemungkinan yang sama harus menghasilkan informasi statistik yang sama. Metode Bayes lebih efektif dari segi biaya dibandingkan penelitian pemasaran tradisional dan untuk pengambilan keputusan selanjutnya. Probabilitas dapat dinilai dari tingkat kepercayaan sebelum dan sesudah memperhitungkan bukti, alih-alih menghitung probabilitas keputusan tertentu dengan melakukan sejumlah besar percobaan dengan masing-masing menghasilkan hasil dari serangkaian hasil yang mungkin. Perencanaan dan implementasi uji coba untuk melihat bagaimana keputusan berdampak pada ‘bidang’ mis. mengamati reaksi konsumen terhadap pelabelan ulang suatu produk, memakan waktu dan mahal, suatu metode yang tidak mampu dilakukan oleh banyak perusahaan. Alih-alih mengambil rute yang sering dalam mengarahkan untuk kesimpulan yang dapat diterima secara universal melalui iterasi, kadang-kadang lebih efektif untuk mengambil keuntungan dari semua informasi yang tersedia untuk perusahaan untuk mencari tahu keputusan ‘terbaik’ pada saat itu, dan kemudian ketika baru pengetahuan diperoleh, merevisi distribusi posterior untuk kemudian digunakan sebagai sebelumnya, sehingga kesimpulan terus memberikan kontribusi logis satu sama lain berdasarkan teorema Bayes.