Please reload

التدوينات الحديثة

السببية هي الخُلاصة

 

كل حركة نخطوها، وكل نسمة نتنفسها، وكل نبضة قلب هي تأثيراً لحدث. حتى العشوائية الظاهرة قد تكون مجرد شيئاً لا يمكننا تفسيره. 

 

كتبه: كين قري، رئيس شركة كانون قري

 

معرفة من وماذا ومتى وأين وما إلى ذلك أمراً مهماً في مجال التسويق. وقد تساعد أيضاً التحليلات التنبؤية العديد من الشركات. ومع ذلك معرفة "لماذا" يساعدنا أيضا في فهم من ولماذا ومتى وأين وهكذا بشكلٍ أفضل، والطرق التي تربطها معاً. كما تساعدنا أيضا لتوقعها بدقة أكثر. فمعرفة "السبب" تزيد قيمتهم للمسوقين وقيمة التسويق.

 

قد يمثل تحليل السببية تحدياً، على الرغم من وجود اختلافات في الرأي بين الجهات. والاعتقاد الإحصائي هو أن التجارب العشوائية هي أفضل الطرق. على الرغم من أن التجارب في كثير من الحالات غير قابلة للتطبيق أو غير أخلاقية. كما أنها قد تكون فاشلة أو مصطنعة بحيث لا تعمم على ظروف العالم الحقيقي. وقد تفشل أيضا عند تكرارها، فهي ليست سحراً.

 

قد يكون البحث غير التجريبي هو خيارنا الأوحد في كثير من الحالات. فالفارق الرئيسي بين التجارب العشوائية والبحث غير التجريبي هو أنه –من خلال التجارب- يتم تعيين الموضوعات (على سبيل المثال: المستهلكين) عشوائياً لظروف العلاج (مثلاً: الإصدارات المختلفة للموقع). ويقلل التوزيع العشوائي من إمكانية أن اختلاف المجموعات قبل التجربة بطرق قد تحيز النتائج.

 

في حين تغيب آلية التعيين العشوائي في البحث غير التجريبي. ولحسن الحظ، تطورت طرق إحصائية مختلفة لتقليل التحييز الناجم عن الاختلافات الموجودة مسبقاً بين المجموعات. يلخص هذا المقال القصير بعضاً من أكثر الطرق المشهورة.

 

التحليل السببي هو جزء من عملي وكان جزءاً من اهتماماتي لعدة سنوات. فأود تقديم بعض النصائح العملية لباحثي التسويق بناءً على خبرتي، والقراءة الخارجية، والتفاعل مع الأكاديميين والباحثين.

 

1.       أولاً، كن واضحاً جداً في الأهداف وتوقعات العملاء. فقد تعطل السياسات أي نموذج احصائي في الجولة الأولى. فإذا كان من الممكن تجاهل توصيات الاستشاريين الأكاديميين فبإمكاننا أيضاً تجاهل توصياتنا.

 

2.       استخدم التجارب العشوائية متى تسنى ذلك. فقد قطع التصميم والتحليل شوطاً طويلاً منذ أيام الإحصائي رونالد فيشر R.A. وغالبًا كل ما نحتاجه هو تصاميم بسيطة. والمرجع الممتاز هو التصميم التجريبي: إجراءات للعلوم السلوكية (Kirk).

 

3.       لدى غالبية الآثار أكثر من سبب واحد، وقد تناسب نماذج سببية بديلة مع البيانات المتعلقة بنفس الدرجة، لكنها تقترح مسارات عمل مختلفة لصناع القرار.

 

4.       لا تنخدع بالعشوائية. هنا مقال "أموراً تحدث"  يفسر ما اعنيه بذلك.

 

5.       لا تنخدع بالارتباطات الزائفة. فالعلاقة بين استهلاك الآيس كريم وحروق الشمس ربما تعزى إلى الطقس مثلاً.

 

6.       هناك أيضاً تفاعلات، -آثار معتدلة- حيث تعتمد العلاقة بين متغيرين على الثالث. فعلى سبيل المثال، قد يكون المستهلكين القدامى مستخدمين كثر من الذكور، بينما المستخدمين القلة من الإناث.

 

7.       من السهل الخلط بين نموذج الوساطة والاعتدال، على الرغم من اختلافهما. إذ يتأثر المتغير الوسيط بمتغير مستقل ويؤثر بدوره على المتغير التابع. وبالتالي قد يكون للمتغير المستقل آثاراً مباشرة وغير مباشرة، بالاعتماد على النموذج السببي. وحالياً يعد نموذج الوساطة موضوعاً مثيراً في أدبيات التسويق.  

 

8.       العلاقات بين المتغيرات ليست دائماً خطية. فمثلا قد لا يكون للزيادات في نفقة الإعلان تحت نقطة معينة أي تأثير. بينما فوق هذه النقطة قد تزداد المبيعات بسرعة كبيرة حتى تبدأ في التقلص، مع وجود زيادات أكثر في إنفاق الإعلان الذي قد يكون له تأثير ضئيل أو معدوم. فتحتاج التحليلات الإحصائية لحساب أنماطاً كهذه.

 

9.       السبب عادةً يسبق التأثير، لكن قد تكون السببية أيضاً متبادلة. فمثلاً يوثر "أ" على "ب" ، ثم "ب" يؤثر على "أ". وكثيراً ما يتفاعل استخدام العلامة التجارية وصورتها بنفس الأسلوب.

 

10.   تعتبر الآثار المتأخرة شائعة في بيانات السلاسل الزمنية. فمثلاً قد لا يظهر تأثير حملة إعلانية جديدة في بيانات المبيعات لعده أيام أو أسابيع. وإذا حللنا البيانات المجمعة عبر الوقت بالمنهجيات المصممة للبيانات المقطعية، فقد نجد صورة مشوهة جداً للسوق.

 

11.   غالبا ما يوجد نماذج سببية متميزة في العمل لمختلف شرائح المستهلكين. قد تكون بعض هذه الشرائح واضحةً – مثل نمط الحياة، بينما تكون الاخرى مخفية ويجب كشفها خلال التحليلات الإحصائية.

 

12.     احذر التراجع الى المتوسط. ففي التحليل الأساسي للعوامل مثلاً، المتغيرات التي تحقق درجات عالية جداً (أو منخفضة جداً) من حيث الأهمية النسبية ربما ستصنف أكثر نحو الوسط في المرة القادمة التي نجري فيها الدراسة (على الرغم من أنها لاتزال مرتفعة أو منخفضة).  إذ يعد التراجع إلى المتوسط ظاهرة إحصائية، لكن غالباً يسند الباحثين آثاره فقط عن طريق الخطأ إلى الأنشطة التسويقية أو اتجاهات السوق.

 

13.   لقد حققت المزيد من البيانات وبيانات أكبر في الواقع أهمية أكثر لفهم العمل التجاري وليست أقل. لم يحل الارتباط محل النظرية، على الرغم من بعض الادعاءات من علماء البيانات.

 

14.   استخدم اختبار الأهمية بحكمة. حيث أن الأهمية الإحصائية غير مرتبطة بأهمية الأعمال، ويعد حجم تأثير المتغير مفيداً جداً.

 

15.   احترس كذلك من النمذجة التلقائية، حتى وإن سميت بتعلم الآلة أو الذكاء الاصطناعي. تكون العديد من النماذج السببية ممكنة بعدد قليل من المتغيرات، ونادراً ما يمكن للمعيار الرياضي أن يحدد الأفضل لصناع القرار. وكما قال الخبير الإحصائي الأسطوري جورج بوكس George Box: " في الأساس كل النماذج خاطئة، لكن بعضها مفيداً".

 

16.   عادة ما يتعامل مع معادلة عائد الاستثمار التسويقيROI  كتمرين حسابي، ولكنها في الحقيقة شكل من أشكال التحليل السببي. عموماً تعد الطرق الإيكونومترية هي الأنسب لأنها تمكننا من اختبار كيف تظهر المدخلات (مثل: النشاط التسويقي) مع المخرجات (مثل: المبيعات)، مع مرور الوقت.

 

17.   هذه المقابلة القصيرة مع البروفسور من جامعة هارفارد تايلر فانديرويل Tyler VanderWeele تعطي نبذة عن التحليل السببي. اتقان مقاييس (أنغريست وبيشك) والملاحظة والتجربة (روزنباوم) هما نوعان غير تقنيان نسبيًا للموضوع.

 

 تعد القراءة عن تصميم العلماء شادش Shaddish وكوك Cook وكامبل الكلاسيكي التجريبي Campbell والشبه تجريبي قراءة متعمقة في بعض الأجزاء، ولكني أوصي بها لأي باحث في مجال التسويق. وتعد مخططات الكتاب لتصاميم البحث وملخصاته عن مميزاتها وأوجه ضعفها ثمينة جداً وصالحة لكل زمان.

 

وكذلك توجد كتباً متقدمة من علماء التسويق، مثل كتاب الاستدلال السببي (للكاتبين: إيمبنز Imbens وروبين Rubin)، وكتاب الحقائق المواجهة والاستدلال السببي (للكاتبين: مورقن Morgen ووينشب Winship)، وكتاب التفسير في الاستدلال السببي (للكاتب: تايلر فانديرويل Tyler VanderWheele)، وكتاب النمذجة السببية الخطية بالمعادلات التركيبية (للكاتب: موليك Mulaik).

 

يصعب المبالغة في أهمية النظرية في تحليل السببية. غالباً تختبر النظرية عده مرات وبطرق مختلفة، وتستخدم مجموعة من الإجراءات بصورة متزايدة تسمى بتحليل ميتا لتجميع نتائج الدراسات الأولية العديدة احصائياً.

 

وأخيراً بدأت السببية أن تحظى بالاهتمام الذي أرى أنه يستحقه منذ فترة طويلة. وأتمنى ألا تتحول إلى اختفاء آخر في مجال الأعمال، حيث تنتشر المغالطات والزينات على الانترنت.

 

 

 

 

 

مصدر الصورة: unsplash

المصدر

 

Share on Facebook
Share on Twitter
Please reload

تابعنا
ابحث بالتاق
Please reload

الارشيف
  • Black Instagram Icon
  • Black Twitter Icon

Riyadh, Saudi Arabia

  • Black Instagram Icon
  • Black Twitter Icon

الرياض، المملكة العربية السعودية