Forecasting the Penetration of a New Product—A Bayesian Approach
新产品市场渗透率预测：贝叶斯方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以新产品随时间的市场渗透预测为目标，采用贝叶斯方法与 MCMC，因此归入预测与即时预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
新产品市场渗透率预测：贝叶斯方法
- 研究问题
- 如何把已有产品的信息或管理者判断转化为先验，结合新产品数据，在渗透曲线随时间非递减的约束下预测市场渗透？
- 方法与思路
- 作者采用贝叶斯方法，将已有产品信息或管理判断纳入先验，设定随时间非递减且可受形状约束的渗透曲线，并用 MCMC 计算预测。
- 材料陈述的贡献
- 摘要提出并使用 MCMC 计算贝叶斯预测，以黑白电视信息预测彩色电视渗透为例，并称模型也可用于生物测定和可靠性应力测试。
- 阅读关注点
- 应核对旧产品与新产品之间先验信息如何转移、单调及其他形状约束的实现、MCMC 的收敛诊断，以及预测对管理判断的敏感性。
- 阅读边界
- 摘要未说明具体先验、误差模型、预测验证或 MCMC 诊断结果；不能据此判断跨产品信息的适用性或预测相较其他方法的优势。
原文摘要
We adopt a Bayesian approach to forecast the penetration of a new product into a market. We incorporate prior information from an existing product and/or management judgments into the data analysis. The penetration curve is assumed to be a nondecreasing function of time and may be under shape constraints. Markov-chain Monte Carlo methods are proposed and used to compute the Bayesian forecasts. An example on forecasting the penetration of color television using the information from black-and-white television is provided. The models considered can also be used to address the general bioassay and reliability stress-testing problems.