ADMOD este un model de decizie publicitară destinat să abordeze simultan decizia bugetară,

decizia de copiere și decizia de alocare a presei. Modelul, care se concentrează asupra unor
decizii specifice ale consumatorilor pe care publicitatea încearcă să le precipite.
Acest articol descrie o decizie de publicitate Mo-del, denumită ADMOD. Modul! este conceput
pentru a lua decizii de alocare a presei. Cu toate acestea, tendința sa diferă de cele mai multe alte
modele media în două privințe: include decizia de copiere și decizia bugetară și se bazează pe o
concepție operațională diferită a procesului de publicitate.
Un model mai cuprinzător

Există trei domenii decizionale tactice de publicitate: bugetul media, alocarea bugetului și
deciziile de copiere. Cercetarea anterioară în aceste domenii de decizie a fost remarcabil de
izolată. Modelele de stabilire a bugetului au utilizat, în general, modele experimentale sau
statistice, ignorând, de obicei, considerentele de copiere sau plasarea media. Modelele media au
considerat în mod normal ca bugetul să fie stabilit și, în mod similar, au ignorat deciziile de
copiere, care, în general, au implicat diferite tradiții de cercetare.

Aceste interdependențe nu au nevoie de demontare. În primul rând, nivelul optim al bugetului va

depinde în mod clar de efortul creativ. Pentru publicitatea ineficientă, nivelul optim poate fi zero.
Un tip de abordare prin copiere va necesita un nivel diferit de intensitate a expunerii față de altul.
În al doilea rând, nivelul bugetului va depinde de tipul de suport utilizat și de modul în care pot fi
atinse segmentele țintă. În cele din urmă, cercetările recente au demonstrat interacțiunile dintre
programarea prin copiere și media. În special, studiile efectuate de Ray și colegii săi [12, 13, 14]
asupra repetiției și Aaker și Brown [5] privind efectele sursă ale vehiculului au arătat că
presupunerea că aceste dimensiuni ale analizei pot fi considerate independent de efectele copiei
este departe de rezonabil. Împreună cu activitatea clasică a lui Starch [18] privind publicitatea în
publicitate, aceștia sugerează ca modelele de alocare a mijloacelor media să ia în considerare
decizia de copiere mai explicit.

Există, bineînțeles, motive serioase pentru care aceste interacțiuni au fost în mare parte ignorate
în trecut. În primul rând, cele trei domenii sunt de obicei responsabilitatea factorilor de decizie
diferiți. Întreprinderile managerii stabilesc bugetul, specialiștii din media agențiilor alocă bugetul
alternativelor media, iar oamenii creativi fac decizi de copiere. Prin urmare, există o mică
presiune de integrare. În schimb, există o cerere de eforturi independente pentru a ajuta acești
factori de decizie. În al doilea rând, au existat probleme tehnice și conceptuale în dezvoltarea
mașinilor orientate spre alocarea și copierea deciziilor de copiere, chiar și atunci când sunt
considerate independente. Prin urmare, a fost pro-ductiv să se facă progrese în aceste domenii.
Într-adevăr, este discutabil dacă un efort real către o abordare integrativă ar fi fezabil fără
progresele realizate până în prezent în modelele media, testarea copierii și tehnicile conexe. În
cele din urmă, atunci când deciziile de alocare sau copiere media sunt luate în considerare
separat, măsurile utilizate trebuie să aibă doar o valabilitate relativă, deoarece alegerea
alternativă este obiectivul. Atunci când se iau decizii bugetare, este necesară o măsură cu
validitate într-un sens absolut și se impun cerințe noi cercetătorilor.

Este potrivit acum să abordăm bugetul, mass-media și deciziile de copiere în mod concertat.
Introducerea sistemelor moderne de informare susținută de computerele on-line și de băncile de
modele elimină efectiv izolarea diferiților factori de decizie. Tehnologia modelului media se află
în punctul în care a obținut acceptarea și a demonstrat o valabilitate considerabilă. S-au
înregistrat progrese în înțelegerea procesului de comunicare, la stabilirea obiectivelor și la
testarea copiilor împotriva acestor obiective. Cu bariere reduse, este utilă împingerea câmpului în
direcția unor modele mai ambițioase.

O VIZIUNE DIFERITĂ A PROCESULUI DE PUBLICITATE

Cele mai multe modele media se bazează pe un model de publicitate care sugerează că
publicitatea creează o expunere de publicitate (sau o construcție similară) care, la rândul său,
creează vânzări. Nivelul expunerii publicitare se va risipi în timp, dar poate fi menținut sau
construit de publicitate mai mare. Inima modelului este, așadar, o curbă de răspuns agregată care
corelează nivelurile de expunere cu costurile (adică [8, 9]) sau, eventual, cu nivelurile de
cheltuieli publicitare direct către vânzări. ADMOD, în contrast, are o viziune mai dezagregată
asupra procesului de publicitate. Se concentrează asupra deciziilor specifice ale consumatorilor,
care au implicații pe termen lung pentru firmă, pe care publicitatea încearcă să le precipite. De
exemplu, publicitatea poate fi îndreptată spre inducerea unui consumator pentru a încerca un
brand pentru prima dată, pentru a încerca un brand într-un mod nou, pentru a-și schimba
atitudinea de marcă sau pentru a deveni conștient de marcă. Astfel de răspunsuri ale
consumatorilor vor avea tendința de a genera un flux viitoare de vânzări sau de profit către firmă,
care reprezintă o anumită valoare actuală. De exemplu, o schimbare de atitudine poate fi legată
de o creștere a loialității care va avea un efect estimabil asupra achizițiilor în timp. O achiziție de
încercare va avea ca rezultat o secvență de cumpărare ulterioară, care poate fi estimată în mod
similar (de exemplu, vezi [2]).

Preocuparea publicității este apoi asupra unui indicator al probabilității ca consumatorul să-și
schimbe cunoștințele în modul dorit sau să ia măsurile dorite. Atunci când obiectivul este de a
obține noi clienți, o măsură adecvată ar putea fi intenția de a cumpăra. În mod alternativ, măsura
ar putea fi bazată pe unele variabile cauzal legate de intenția de a cumpăra. De exemplu, este
posibil ca conștientizarea mărcii sau cunoașterea unui atribut al mărcii sau familiaritatea cu un
jingle să fie strâns legată de intențiile de a efectua o achiziție de încercare [6]. În orice caz, este
dezvoltată o construcție care poate furniza variabila dependentă în studiile utilizate pentru a
estima diverși parametri în modelul deciziei de publicitate. Acest construct va avea tendința de a
fi mai funcțional decât vânzările agregate, parțial pentru că va permite cercetătorului să
exploateze pe deplin metodologia de testare a copierii. ADMOD

Scopul ADMOD este de a selecta un nivel de buget, o abordare prin copiere și un program de
inserare media pentru a maximiza funcția obiectivă. Sarcina funcției obiectiv este de a atribui o
valoare unui program dat de inserare media. O euristică de selecție are sarcina de a genera
diferitele programe de inserție care urmează să fie evaluate.

Funcția de obiectiv

Obiectivul funcției obiectivului ADMOD nu este pe audiența agregată a vehiculelor, ci pe

populațiile de eșantionare selectate din diferitele segmente. În evaluarea unui program de
inserție, ADMOD examinează impactul său probabil asupra fiecărei persoane din eșantion.
Impactul va depinde de valoarea netă a deciziei sau schimbării cunoașterii implicate (efectul
segmentului), numărul și sursa expunerilor față de individul creat prin programul (expunerile
publicitare) și impactul expunerilor asupra probabilității de obținere schimbarea sau decizia
cognitivă dorită (funcția de repetare). Folosind factorii de scalare corespunzători, rezultatul este
proiectat pentru populația reală, oferind profitul total așteptat generat de acel program media.

Astfel, este necesară o probă din fiecare segment. Nu este necesar un eșantion reprezentativ
pentru întreaga populație. Proporția persoanelor din eșantion dintr-un anumit segment nu trebuie
să fie egală cu proporția populației din acel segment. Singura cerință este ca un număr rezonabil
de persoane din fiecare segment-1 (X) la 200, de exemplu, să fie parte a eșantionului. Desigur,
eșantionul ar trebui să fie reprezentativ pentru fiecare segment. În mod ideal, fiecare membru al
segmentului ar trebui să aibă șanse egale de a fi selectat. Atunci când sunt incluse vehiculele
media cu conținut redus de public, ar putea fi util să măriți dimensiunea eșantionului într-o
oarecare măsură. Dimensiunea eșantionului din segment.? se numește rtj. Dimensiunea totală a
segmentului s este denumită N ,.

Înainte de a continua, este util să definiți mai mulți termeni. Un vehicul media (indexat cu j; / =
1,..., J), cum ar fi Vogue, Time, NBC News și Radio Radio, oferă mediul imediat pentru
publicitate. Prin specificarea vehiculului, se va presupune aici că este specificată și poziția
anunțului în vehicul și mărimea anunțului. Includerea unor astfel de factori în model mai formal
ar fi o extensie trivială. O alternativă de copiere (indexată de c; c = 1, ..., C) este o abordare
creativă. Ar putea fi specificația copiei refutării, a apelurilor de teamă, a utilizării dovezilor
experimentale sau a unei campanii de conștientizare specială. O opțiune de inserare (x ^,) este
definită aici ca introducerea unei alternative de copiere într-un vehicul. Un set de opțiuni de
inserare este un program de inserare media. Un program de inserare media va fi constrâns să aibă
doar o singură copie alternativă; posibilitatea relaxării acestei constrângeri va fi luată în
considerare ulterior în articol.

Efectul segmentului

Obiectivul presupus al agentului de publicitate este de a precipita o schimbare cognitivă sau o

decizie. Valoarea pe termen lung a companiei este un termen de segment. Acesta va fi
valoarea actuală a modelului de comportament preconizat de cumpărare cauzat de schimbarea
sau decizia cognitivă. Componentele modelului, cum ar fi funcția de repetare și efectele surselor
vehiculului, sunt apoi dezvoltate utilizând măsuri operaționale legate de obiectiv. Pentru a defini
acest concept, vor fi prezentate câteva exemple.

Să presupunem că obiectivul este de a genera o achiziție de încercare a unui brand de către

membrii segmentului. În acest context, vom fi fluxul de profit redus de la un membru al
segmentului întâmplător care încearcă să declanșeze pentru prima dată. Valoarea pe termen lung
a achiziționării unei achiziții de probă va reflecta marja brută a mărcii, un factor de discount care
reflectă costul capitalului și incertitudinile pieței, volumul de cumpărare al clasei de produse a
segmentului și gradul de incendiu acceptarea focului este probabil să se întâmple după experiența
utilizării [4]. O estimare a mărcii poate fi obținută prin folosirea statisticilor de repetare sau prin
aplicarea unui model oficial stochastic de alegere a unui grup de modele noi. Parfitt și Collins
[10] și Aaker [2] descriu două modele în acest context și demonstrează empiric valabilitatea lor.
Aaker [3] demonstrează o metodă de legare a mărcilor de descriptorii de segmente de piață care
pot fi folosite atunci când un model stocastic este aplicat unei singure baze de date sau "nivele
noi" ale unui brand. Abordarea ar putea fi aplicată pentru a obține valori Wj pentru diferite
segmente.

Situația este similară atunci când obiectivul este de a începe pentru prima dată o clasă de
produse. În acest context, un factor determinant important în acceptarea de către consumator a lui
este indus să îl încerce. Puteți utiliza, de asemenea, acest formular pentru a căuta probe formale
sau interpurchase.

Obiectivul ar putea fi schimbat într-o imagine a mărcii. În acest caz, intenția ar putea fi să
mențină loialitatea clienților existenți și să îi facă vulnerabili față de mărcile concurente. Cu
imaginea existentă, clienții pot avea un model de achiziție proiectat care reflectă o scădere a
achizițiilor mărcii anunțate. Va fi o imagine nouă care va fi asociată cu o proiecție mai stabilă a
modelelor pur-chasing. Valoarea actuală a diferenței ar fi atunci. Din nou, cea mai bună
modalitate de a determina astfel de previziuni constă în respectarea deciziilor de cumpărare
efectivă a celor care și-au schimbat percepția asupra unei mărci. Este posibil ca teoria atitudinii
să fie utilă în furnizarea unor astfel de proiecții cu cerințe mai puțin solicitante de date.

Determinarea expunerilor la program

Programul de inserare va genera expuneri care vor avea un impact asupra obiectivului campaniei
publicitare. În această secțiune, aspectul generatoare de expunere a programului de inserție, der
omfatter vehicul și expunere publicitate-ități probabil, bliver udviklet.

Permiteți-mi să fiu probabilitatea ca individul să fie expus (cu o expunere atentă definit) la
vehiculul j considerat. Detașați-vă la b - forbili stabilit gennem den tidsperiode pentru planul
planului de campanie. (Pentru o discuție a acestei presupuneri, a se vedea [16].) Să fie
probabilitatea condiționată de expunere (din nou cu o definiție adecvată) unei anunțuri care
utilizează alternativa copie în vehiculul j, dat fiind faptul că expunerea la vehiculul j a fost
obținut. Ultimul termen va depinde de vehicul și de copie. Înregistrați-vă anunțurile
anunțământului de mai jos pentru a încheia audiența și, de asemenea, creați-o și creați-o în
funcție de opțiunile de mai jos. Ar putea fi util să se condiționeze h ^. pe tipul de individ
implicat. Oamenii de notație nu se mulțumesc, ci se referă la opțiuni. Astfel, probabilitatea
individului citește ATT O problemă specială a bunului gospodar ar-fi B, -, și probabilitatea ATT
Utilizând o abordare cis anunțul copie expus, vehiculul dat este citit, ar fi h ^ ..

Produsul acestor doi termeni, b), reflectă probabilitatea ca individul / să fie expus la o reclamă
folosind metoda de copiere c în vehiculul j. simplu:

în cazul în care:

probabilitatea ca individul să fie expus opțiunii de introducere x ^ ^,

de sandsynlighed pentru la jeg er eksponeret pentru køretøjer /,
de sandsynlige at alle som er en udsat for køretøj vil blive udsat for indsættelse
Notă Z; fie o variabilă aleatorie care reflectă numărul de expuneri primite de către un individ
într-un anumit program de inserție fiind considerat de funcția obiectivă. Valoarea z, - nu poate fi
cunoscută sigur, dar cunoscând probabilitățile de expunere, este o sarcină directă de a obține f1,
(Zj), distribuția de probabilități pentru z,. De distribuție poate fi introdusă înainte de a intra în
posesia ușii de pe șosea sau de pe ușa din spate a căminului. Pentru eksempel, hvis det var bare
pentru a introduce joner sub behandling, opțiunea de inserție x ^^ și opțiunea de inserție x ^,
atunci probabilitatea expunerilor zero ar fi pat - Po.-i) 0

- p ^ u), probabilitatea unei expuneri ar fi Pcif. (P-Pen) + Pen 0 - Pd5) - Probabilitatea a două
expuneri ar fi p ^ isPci? - Calcule similare pot fi făcute pentru orare de orice dimensiune.
TOTUȘI, cu programe mari, beregninger kan BLI costisitoare, și este rezonabil două
imødekomme Utilizarea probabilităților prime doua estimare a parametrilor de probabilitate
funcție cum ar fi binomul care ar deveni apoi Mi) -
Distribuția binomică este atractivă deoarece este o distribuție flexibilă definită pe numere întregi
pozitive, iar parametrii ei sunt ușor de estimat. " Utilizarea unei distribuții unimodale este perfect
rezonabilă atunci când este implicat doar un singur individ, așa cum se întâmplă în acest context.
În majoritatea celorlalte modele media, există nevoia de a modela probabilitățile de expunere în
rândul multor indivizi. Atunci când indivizii sunt agregați, repartizarea probabilităților reabilitare
este în mod inevitabil multimodal. Ca rezultat, este aproape imposibil să modelăm bine orice
distribuție tractabilă. Acest fapt motivează utilizarea unui eșantion de populație în ADMOD.

Funcția de repetare și uitarea

ADMOD presupune că o campanie de publicitate cu o durată specificată încearcă să schimbe

cognițiile sau să precipite o decizie. Campania va genera un anumit număr de expuneri pentru
fiecare individ i, Zj. Impactul acestor expuneri asupra probabilității apariției răspunsului dorit
este numită ^^ / z,), funcția de repetare. Indicele s indică faptul că funcția de repetare va fi
diferită în general pentru fiecare segment, dar identică pentru fiecare membru al segmentului.
Indicele c reflectă faptul că funcția de repetare va varia în funcție de metoda de copiere utilizată.
O campanie de conștientizare poate necesita doar câteva expuneri, în timp ce o campanie de
creare a atitudinii poate necesita mai multe expuneri suplimentare pentru a fi eficiente. Primul
superscript indică faptul că toate expunerile sunt asociate cu efectul maxim al sursei vehiculului,
v ^ j. Această ultimă ipoteză va fi relaxată în curând.

Trebuie să se ia măsuri pentru a se asigura că o definiție comparabilă a expunerii este utilizată în

h ^^, probabilitatea de a genera o expunere de publicitate și în z ,,. Deoarece cei doi termeni apar
în două contexte diferite și din cauza probabilităților de expunere și a repetării

"Parametrii binomului pot fi calculați din media și varianța lui care sunt:

an = 2 I

= varianța = y 0

Expresiile sunt însumate peste toate inserțiile din program. Fie TI și nn parametrii binomului.
Estimările acestor parametri, -k și nn, ar fi

Estimarea n'n trebuie să fie limitată să fie mai mică sau egală cu numărul de inserții din program.
funcțiile pot fi estimate prin tehnici separate și diferite, este foarte posibil să se introducă definiții
incoerente.

O formă a funcției de repetare este arătată grafic ca Curbă A în figură și algebric ca

(I). Aceasta sugerează că probabilitatea răspunsului meritat. a;, (Zi), va începe la un nivel inițial,
se deplasează geometric la un nivel superior cu expuneri succesive:

(I) o.M,) -

Unde:
amm_. = valoarea funcției de repetare în absența oricărei expuneri,

valoarea limită a funcției de repetare pe măsură ce numărul de expuneri devine mare,

X ^ = un parametru care reflectă rata la care funcția de repetare se mișcă de la amin, .j la amax
^^.

În ADMOD nu există o conceptualizare explicită a uitării. Cu toate acestea, dezvoltarea funcției

de repetare ia în considerare în mod necesar lungimea campaniei și, prin urmare, durata de timp
dintre expuneri. Curba B din figură, de exemplu, ar putea reflecta faptul că prea puține expuneri
vor avea de suferit din cauza uitării între ele.

O presupunere implicită în ADMOD este că campania este total uitată la încheierea acesteia.
Conceptul este că publicitatea poate genera schimbarea dorită a cognițiilor sau a deciziei într-o
perioadă de timp destul de limitată sau deloc. Cei care "staționează" un efort concentrat pentru
un timp relativ scurt vor rezista, probabil, la aceeași campanie dacă vor fi prelungiți. Prin urmare,
această ipoteză de uitare a modelului poate să nu fie la fel de extremă cum ar putea să apară
pentru prima dată. Ar fi relativ ușor să relaxezi această ipoteză. Se poate presupune, de exemplu,
că probabilitatea medie a unei achiziții de încercare în perioadele de timp ulterioare ar fi fracțiuni
fixe ale valorii sale în perioada de timp a dobânzii imediate. Funcția obiectiv ar avea apoi o
componentă de valoare din două sau mai multe perioade de timp.
O altă ipoteză a ADMOD este că funcția de repetare nu este sensibilă când expunerile sunt
primite în timpul perioadei de campanie. Pentru a relaxa această ipoteză, calendarul fiecărei
inserții ar trebui introdus în decizie, iar funcția de repetare ar trebui să fie condiționată de
modelul de timp al expunerilor. Astfel de măsuri ar adăuga, bineînțeles, modelului.

În mod evident, determinarea funcției de repetare este în centrul modelului. Un avantaj al acestei
formulări este faptul că variabila dependentă a funcției de repetare este bine definită,
presupunând că obiectivele de publicitate sunt bine definite. Este probabilitatea unei schimbări a
cunoașterii sau a unei decizii, cum ar fi decizia de a încerca o marcă. Un al doilea avantaj este că
acest tip de variabilă dependentă se pretează la studiul de laborator. Studiul de laborator, deși are
probleme de validitate externă, permite cercetătorului să exploreze funcția de repetare într-un
mediu foarte controlat. Ray și Sawyer au expus respondenților la una până la șase repetări ale
anunțurilor text în contextul unui sistem futurist de cumpărături [12]. Printre măsurile de interes
au fost atitudinea și intențiile de cumpărare. O astfel de lucrare nu poate demonstra o
metodologie utilă, dar poate duce și la norme de funcții de repetare care pot ajuta pe cei care
trebuie să evalueze subiectiv parametrii. Cu toate acestea, după cum a observat Ray [II], funcțiile
de repetare obținute în laborator ar trebui testate și perfecționate, în primul rând prin studii de
teren și, în mod obișnuit, prin teste de piață. (Vezi [14] pentru o discuție despre un studiu specific
de teren.)

Efectul sursei vehiculului

Efectul sursei vehiculului reflectă o ajustare verticală a funcției de repetare, probabilitatea de

precipitare a răspunsului dorit ca o funcție a expunerilor. Funcția de repetare este dezvoltată
presupunând că toate expunerile vor fi asociate cu mediul optim. Programele de reviste sau de
televiziune care creează expunerile sunt considerate a spori publicitatea cât mai mult posibil
datorită implicării audienței, prestigiului și a altor factori. Toate efectele surselor vehiculului se
presupune a fi l.O on a O la scara 1.0. De fapt, efectele surselor vehiculului vor lua valori
cuprinse între 0 și 1,0, reflectând capacitatea lor relativă de a spori sau de a diminua impactul
expunerii publicitare asupra probabilității de a genera decizia dorită sau

schimbări cognitive. Efectul sursei vehiculului pentru vehicule este denumit v ^^. Este
condiționată de metoda de copiere utilizată. Aaker și Brown [5], de exemplu, au constatat că
efectul sursă al "prestigiului" și al "expertului" maga-zines depinde de folosirea unei imagini
"imagine" sau "motiv pentru care".

În ADMOD, numărul de expuneri pe care o persoană le primește dintr-un anumit program de

introducere este cunoscut probabilistic. Cu toate acestea, nu se știe exact care dintre opțiunile de
inserare din program creează expunerile. Soluția este aceea de a comprima funcția de repetare cu
o valoare determinată de valoarea așteptată a efectului sursei de vehicul, care este pur și simplu o
medie ponderată cu acele vehicule care au o probabilitate mai mare de a crea expuneri având
greutatea mai mare. Funcția de repetare ajustată pentru efectele sursei vehiculului este notată ca
^^ Uf). Rețineți absența primului superscript și faptul că această funcție de repetare este unică
pentru un individ:

(2)

Efectul (2) este acela de a reduce atât amina, cât și o maximă de (1). Cercetătorul ar putea crede
că efectul sursei de vehicul nu va afecta amax ^^, dar va afecta \ ^^. Astfel, setările inferioare ale
vehiculului vor avea tendința de a crește numărul de expuneri necesare până când individul
ajunge la nivelul amax. Ar fi o simplă chestiune de reformulare (2) pentru a ajusta \ ^^ (pentru a
o deplasa spre 1.0) în loc să reglați întreaga funcție de repetare. Cu toate acestea, această
versiune a ADMOD utilizează formularul (2).

Valoarea Programului de inserare

Scopul funcției obiectiv este de a atașa o valoare la un program de inserare media. Valoarea
pentru agentul de publicitate al campaniei pe individ în segmentul s este valoarea rezultatului
dorit, w ^, ori probabilitatea ca publicitatea să stimuleze rezultatul respectiv, a ^ -iZf) - Dacă
numărul expunerilor a fost cunoscut exact, valoarea așteptată pentru un membru al segmentului
ar fi w ^ a ^, (Zi). Problema este că numărul exact al expunerilor pe care o persoană le va primi,
dat fiind un program de inserție, nu este cunoscut. Ceea ce se cunoaște este distribuția
probabilității numărului de expuneri, f ^ itZj) - Astfel, procedura adecvată este de a determina
așteptarea peste z, din w, a ^ (Zi), care dă valoarea așteptată de la individ I \
Valoarea totală așteptată primită din eșantion în segmentul de piață s este obținută prin
însumarea tuturor persoanelor din eșantion care aparțin acelui segment de piață: 2j ^^. Adăugarea
factorului N ^ / n ^ scade în mod explicit rezultatele la dimensiunea segmentului. Sintetizând
între segmentele S ^ și scăzând costurile programului de inserție a modelului, se obține funcția
finală obiectivă. Se presupune că costurile de inserție pentru vehiculul j sunt k. pentru toate
vehiculele; inserții - nu există reduceri media. Această presupunere este făcută în întregime
pentru a evita introducerea mai multor notații. Modelul ar putea gestiona orice tip de funcție de
cost.

Valoarea unui program de inserție dată, funcția obiectivă, poate fi astfel scrisă: ^

Unde:

indexul care face referire la alternativa copiei, indexul care face referire la individ în populația
eșantionului,
indexul referitor la vehicul,

indexul care se referă la segmentul de piață, dimensiunea segmentului s,

dimensiunea eșantionului din segmentul s,

valoarea pentru firmă a acțiunii consumatorului (adică o achiziție de încercare) de către un

membru al segmentului de piață,

Z: = numărul expunerilor primite de individ i, având în vedere programul de inserare,

probabilitatea ca acțiunea consumatorului dorită (adică o achiziție de încercare) să aibă loc,

având în vedere faptul că s-au produs expuneri Zj,

probabilitatea ca individul să primească exact Z; expuneri, având în vedere programul de

introducere,

k. = costul unei inserții în vehicul /, x ^ j = inserarea copiei alternative c în

vehicul j (x ^ j = 0, 1).
ADMOD Vs. Simulare

Deoarece este implicată o eșantionare a populației, este ușor să asociați abordarea ADMOD cu
simularea Monte Carlo, cum ar fi AD-ME-SIM [7] al lui Gensch. În mod specific, ADMOD
furnizează o funcție obiectivă în formă închisă, bazată pe așteptări cu privire la numărul de
expuneri și impactul acestora asupra răspunsului dorit. Într-o simulare Monte Carlo, un set
generat de numere aleatorii determină un model specific de expunere pentru un individ simulat.
O astfel de simulare elimină inhibițiile spre complexitate și completă. Cu toate acestea, simularea
necesită eșantioane mari pentru a contracara varianța introdusă de abordarea Monte Carlo.
Probele mai mari și cele adăugate

- Funcția obiectivă ar putea fi formulată cu ușurință pentru a reprezenta întoarcerea investiției în

publicitate în loc de profitul total. Complexitatea înseamnă că un model de simulare Monte Carlo
este de obicei utilizat doar pentru a evalua un număr mic de planuri media propuse. Un euristic
care se selectează printre planuri nu este, de obicei, parte a modelului.

cONSTRÂNGERI

Există o mare varietate de constrângeri care ar putea fi introduse. Numărul de opțiuni de inserare
constatate pentru un anumit vehicul poate fi limitat de frecvența cu care vehiculul apare în
perioada de timp, de exemplu. Cu toate acestea, aici vom introduce în mod formal numai
constrângerea menționată deja că trebuie să fie luate în considerare doar o singură copie
alternativă în orice program. Astfel ADMOD este proiectat pentru a selecta un program de
inserție care va maximiza V, sub rezerva constrângerii că programul selectat include doar o
singură alternativă de copiere.

Ar fi posibil să se relaxeze constrângerea că un program de inserție poate include doar o copie

alternativă. Dacă se poate presupune că două abordări de copiere funcționează independent, cele
două campanii ar fi direcționate spre segmente diferite, de exemplu, extensia nu ar fi dificilă.
Situația mai interesantă este atunci când mai multe copie ap-proaches sunt intercalate la aceeași
audiență. Consultați mai întâi posibilitatea utilizării unei campanii de publicitate de
conștientizare, urmată de o campanie motivată. Problema este că acum nu numai numărul de
expuneri trebuie determinat probabilistic, ci și amestecul dintre cele două abordări ale copierii. O
astfel de problemă tehnică poate fi rezolvată relativ ușor. Sarcina dificilă este obținerea funcției
de repetare corespunzătoare. O funcție importantă a unor modele cum ar fi ADMOD este
identificarea de noi domenii ale cercetării productive. Problemele de măsurare asociate cu
această discuție sunt, fără îndoială, în acea categorie.

SELECȚIA EURISTICĂ

Datorită caracterului neregulat al funcției obiective, este necesar să se utilizeze un sistem euristic
pentru a căuta în mod sistematic prin intermediul programelor de inserare media pentru a selecta
una cu o valoare ridicată. Pentru a pune în aplicare constrângerea că orice program va include o
singură copie alternativă, euristicul va fi folosit pentru fiecare variantă de copiere. Cel cu cea mai
mare valoare va fi cel ales.

Procedura de căutare euristică ar trebui să adauge treptat inserții până la atingerea unui semnal de
oprire. Aceasta ar trebui să includă capacitatea de ștergere periodică a inserțiilor care pot deveni
redundante pe măsură ce se adaugă alte inserții. Euristica adecvată așa cum este descris în detaliu
în [1.9].
Nivelul bugetului

În mod normal, o constrângere bugetară oferă un semnal de oprire la adresa euristică. Cu toate
acestea, în această formulare, nivelul bugetului este inclus în funcția obiectivă. Astfel, punctul de
oprire este atins atunci când nu mai există nici o opțiune de introducere care să mărească
valoarea programului de inserție. Alternativ, euristica ar putea cere ca raportul dintre valoarea
adăugată de o inserție marginală și costul său marginal să fie un minim prespecificat. În orice
caz, nivelul bugetului, costul acestui program de introducere finală, este o ieșire a programului în
loc de o intrare. Valoarea sa este dată de al doilea termen în funcția obiectivă - Sk ^ JC ^^ Este
optim (în limitele căutării euristice) că fie o creștere, fie o scădere a nivelului bugetului ar reduce
valoarea netă a publicității campaniei către firmă.

O MODEL DE APLICARE

O problemă de decizie publicitară a fost conceptualizată pentru a ilustra modelul și a furniza o

setare pentru efectuarea testelor de sensibilitate. Produsul este un set de feluri de mâncare pentru
a fi vândute casinourilor. Sunt luate în considerare două copie ap-proachi. (Pentru descrierea
unor astfel de anunțuri, a se vedea . Una este o abordare a imaginii (c - 1), iar cealaltă este o
abordare detaliată, logică, motivată de ce (c = 2). Treisprezece alternative de vehicule, prezentate
în tabelul 1, au fost incluse.

Datele de bază au fost furnizate de compania W. R. Simmons. Acestea includ informații despre
obiceiurile media și nivelurile de utilizare a unei game largi de produse pentru peste 7.000 de
persoane. Informațiile mass-media au fost sub forma întrebării dacă respondentul a fost expus la
zero, una sau două emisiuni succesive de reviste sau programe de televiziune. O astfel de
abordare diminuează dificultățile de rechemare și de interpretare ale respondenților. Cu toate
acestea, utilizarea doar a două aspecte sacrifică precizia și utilizarea cititorilor reali în loc de o
estimare directă a probabilităților adaugă variație la rezultat .
Un indice de orientare pentru segmentul de piata a fost dezvoltat din variabilele de utilizare a
produsului. Sa presupus că o orientare "non-casa" ar fi asociată cu utilizarea frecventa a unităților
de fast-food, a dulciurilor congelate, a cafelei instant; utilizarea relativ ușoară a unor astfel de
produse, presupune orientarea “casa”. Un segment de casa și un segment de non- casa de câte
200 au fost selectate pe baza acestui indice. Dimensiunea totală a segmentelor reprezentate de
această probă a fost obținută, folosind greutatea proiectivă asociată cu indivizii în baza de date.
A fost de 10,3 milioane pentru segmentul de casa (segmentul 1) și 11,5 milioane pentru
segmentul non-casa (segmentul 2).

Condițiile de expunere a probabilităților de expunere la expunerea vehiculului, h ^. termeni, au

fost obținuți utilizând normele publicitare din anul 1973 privind amidonul [17]. În mod specific,
a fost utilizat scorul asociat văzului, procentul care a asociat agentul de publicitate cu
publicitatea. Normele relevante, obținute acolo unde este posibil pentru femei și produsele
alimentare, sunt prezentate ca set de date C din tabelul 1.
Termenii privind efectul sursă al vehiculului au fost generați subiectiv. Un studiu de imagine al
revistei a fost elaborat (pentru mai multe detalii vezi [5]), în care 30 de femei au fost rugate să
identifice dintr-un Ust din 18 reviste de femei cele pe care le-ar considera cel mai (și cel mai
puțin) "prestigioase" și cel mai puțin) "expert" în ceea ce privește gătitul, alimentele și bucătăria.
Estimările sunt afișate ca set de date A din tabelul 1.

Funcția de repetare, bazată pe (I), are param-eteri care au fost de asemenea estimate subiectiv. În
acest sens, cercetările lui Ray et al. [12, 13, 14]. Estimările sunt prezentate în Tabelul 2 de la Run
din 10 și 8, a generat un buget de peste 400.000 de dolari. Costul mediu pentru rularea pe un
CDC6400 a fost de 6,00 USD. Execuția 11 costă 16.00 USD.

CONCLUZII

Beneficiul unui model de acest tip nu este, de obicei, în mașinile pe care le pune la dispoziție, ci
mai degrabă în vocabularul pe care îl creează, structura pe care o oferă și sugestiile sale pentru
cercetări viitoare. Sperăm că ADMOD va contribui prin asigurarea structurii și identificarea
domeniilor de cercetare productive. Cu toate acestea, modelul nu ar trebui considerat ca un
instrument al viitorului, care este impracticabil dat fiind stadiul actual al artei. Este adevărat că
există probleme de măsurare, în special în ceea ce privește determinarea funcțiilor de repetare.
Dar chiar și în această zonă dificilă, munca lui Ray, a colegilor săi și a altora a oferit metodologii
și micro-teorii practice pentru a ghida cercetătorii.

Faptul este că în ultimul deceniu s-au înregistrat progrese enorme în modele matematice, în
programe de calculator și în măsurare. Mai mult, utilizatorii de modele devin tot mai sofisticați și
interdependenți. Este timpul să se ia în considerare mai multe modele decizionale comprehensive
ca ajutoare viabile și practice la luarea deciziilor.