Библиографическое описание:

Черноног В. С. Математическая модель маркетинговой кампании, использующей несколько коммуникационных каналов // Молодой ученый. — 2015. — №13. — С. 54-59.

В данной работе рассматривается построение математической модели маркетинговой кампании, суть которой — отправление сообщений по разным коммуникационным каналам разным группам целевых аудиторий в соответствии с заранее разработанными стратегиями.  

Данная модель может быть использована для определения целевых аудиторий, на которые следует направлять рекламную кампанию, и для выбора оптимальной стратегии.

Ключевые слова: математическое моделирование, маркетинговая кампания, имитационное моделирование

In this paper a mathematical model of a marketing campaign is considered, which essence — sending messages across multiple communication channels to different groups of target audiences in accordance to defined strategies.

This model and method of data analysis can be used to identify target audiences, to which should be sent messages, and to select the optimal strategy.

Keywords: mathematical modelling, marketing campaign, simulation modeling

 

В настоящее время потребители перенасыщены рекламой во всех ее видах, поэтому проблема выбора оптимальной стратегии и правильных каналов коммуникации для информирования аудитории является важной и актуальной. Одним из методов решения этой задачи является построение модели маркетинговой кампании и дальнейшее ее применения и анализ.

В общем смысле, модель — это упрощенная версия реальности: устройства или процесса, которая создается для изучения свойств и взаимосвязей реальной системы.

Моделирование — это изучение объекта или системы объектов и их свойств с помощью создания их моделей. На этой идее основывается практически любой научный метод: в теории используются в основном абстрактные модели, для экспериментов — предметные.

Моделирование используется в нескольких случаях:

1.                  Когда нет возможности использовать реальную систему для исследования.

2.                  Если даже такая возможность есть, эксперименты дорогостоящи.

Разумеется, при построении модели часть свойств реальной системы берутся за основу и исследования направлены на изучение именно этих признаков. Остальными же пренебрегают сознательно, то есть изучение направлено не на реальный объект, а на модель этого объекта с выбранными свойствами. Поэтому с течением времени многие научные выводы становятся неактуальными, их приходится обновлять в соответствии с изменениями реальной системы.

В своей работе я буду касаться математического моделирования, то есть создания математического представления реальности: замена объекта математической моделью и последующее изучение этой модели и связывание ее с реальным объектом путем гипотез, идеализаций и упрощений.

Объектом исследования является маркетинговая кампания, предметом — планирование маркетинговой кампании по информированию целевой аудитории с помощью разных коммуникационных каналов, выбор оптимальной стратегии. Для этих целей выбран инструмент математического и имитационного моделирования и последующий анализ данных.

Тема данной работы актуальна, поскольку уже долгое время планирование рекламных кампаний остается весьма важным вопросом для бизнеса, ведь пробел в коммуникациях компании значит либо недостаточную известность бренда, что приводит к меньшему объему продаж, либо полному провалу компании, особенно для новых товаров. Однако чаще руководители понимают, что в рекламу нужно инвестировать, но возникает новая проблема — деньги потрачены, а результата нет. Поэтому маркетологам необходим такой инструмент, который помог бы определиться, на кого нацеливать рекламную кампанию, на что обращать внимание, а также какую из множества стратегий выбрать с учетом ограниченного бюджета.

В результате работы была построена модель маркетинговой кампании, которая функционирует следующим образом: выбирается одна из 4 описанных стратегий, отправляются сообщения целевым аудиториям в соответствии с выбранной стратегией, подсчитывается результат и сравнивается с требуемым. Этот инструмент может быть использован в реальной ситуации для компании, знающей свою аудиторию, их уровень знания бренда и имеющей несколько стратегий маркетинговых кампаний, чтобы определиться с оптимальным планом действий.

Построение модели

В своей работе я разрабатывала модель маркетинговой кампании для стабильной фирмы с какой-то определенной продуктовой линией. Задача это кампании — проинформировать потребителей, которые разделяются на сегменты, о товарах, напомнить им о компании и поднять их уровень знания бренда. Для информирования используются четыре коммуникационных канал, а именно, ролики на телевидении, ролики на радио, контекстная реклама в интернете и наружная реклама — щиты.

Для реализации модели был выбран язык C++, поскольку сочетание объектно-ориентированности и быстрой вычислимости соответствует поставленным задачам.

В модели использованы следующие концепты: сообщение, целевая аудитория, канал.

Рассмотрим подробнее каждый концепт модели.

Целевая аудитория

В современном мире конкуренции покупатели всегда стоят перед выбором разных брендов, ведь многие компании предлагают одни и те же товары, кстати говоря, иногда по очень разной цене. И тогда ключевую роль в выборе бренда начинает играть знание бренда (от англ. “brand awareness”).

Знание бренда — степень узнаваемости бренда потенциальными покупателями, бренд обычно связывается с конкретным продуктом. Знание выражается в процентах от целевого рынка.

В данной модели рассматривается четыре целевые аудитории, разбитые в зависимости от уровня знания бренда: ядро (Core), те, кому нравится бренд (Liked), те, кто слышал о бренде (Interested), остальные (Rest).

У каждой целевой аудитории есть следующие параметры:

Размер — в процентах от всего рынка

Уровень знания бренда — в процентах, показывает, насколько аудитория лояльна к бренду.

Разбиение я определила следующим образом:

0–5 % знания — потребители не слышали вообще о бренде; характеристика группы Rest

5–30 % — потребители знают о существовании бренда; характеристика группы Interested

30–60 % — потребители знают о существовании бренда и позитивно к нему относятся, возможно, хотели бы приобрести; характеристика группы Liked.

60–100 % — потребители покупали товары бренда и им понравилось, выбирают бренд среди конкурентов; характеристика группы Core.

Помимо размера аудитории и ее уровня знания я учитываю коэффициент забывания информации, то есть, если представитель аудитории не получает напоминания о бренде в течение какого-то времени, он постепенно забывает о нем. Параметр забывания тоже зависит от целевой аудитории, у ядра он меньше, у остальной аудитории выше.

При получении сообщения у аудитории увеличивается знание в соответствии с коэффициентом knowledge_inc, а уменьшается, если сообщение не получено, в соответствии с коэффициентом knowledge_dec.

Описание структуры целевой аудитории на языке C++:

struct TargetAudience {

  enum Type {UndefinedLower, Rest, Interested, Liked, Core, UndefinedUpper, Last};

  string name;

  People people;

  pair<double, double> knowledge_range;

  double knowledge_inc;

  double knowledge_dec;

 

  TargetAudience() {}

  TargetAudience(const People& a_people,

                 const pair<double, double>& a_knowledge_range,

                 double a_knowledge_inc,

                 double a_knowledge_dec,

                 const string& a_name = "")

      : people(a_people),

        knowledge_range(a_knowledge_range),

        knowledge_inc(a_knowledge_inc),

        knowledge_dec(a_knowledge_dec),

        name(a_name) {}

};

Сообщение

Для увеличения знания целевой аудитории в рамках рекламной кампании отправляются сообщения. Сообщения бывают двух типов: по продукту — когда цель кампании — увеличить продажи этого продукта, или по бренду — когда цель — увеличить лояльность аудитории, обычно сообщения по бренду используются для новых брендов, либо при ребрендинге. В последующем анализе данных считалось, что все сообщения — по бренду, для уменьшения объемности данных.

В структуре Message ключевую роль играет функция отправки сообщения. На вход ей подается адресат (название группы целевой аудитории, которой отправляется сообщение), тип сообщения (по продукту или по бренду), канал коммуникации, по которому сообщение передается.

После отправки происходит пересчет уровня знания всех целевых аудиторий, те, кто превысил уровень знания своей аудитории — переходит в ту, которой он удовлетворяет. Соответственно, после каждой отправки сообщения меняются размеры целевых аудиторий из-за того, что происходит переход представителей из одной группы в другую.

Ниже описание структуры Message и функции отправки сообщения на языке C++:

struct Message {

struct Message {

static void Send(int target_audience, int channel) {

vector< vector<People> > adds(TargetAudience::Last);

for (int ta_type = TargetAudience::Rest; ta_type <= TargetAudience::Core; ++ta_type) {

if (ta_type == target_audience) { continue; }

TargetAudience& ta = Market::Get(ta_type);

People& people = ta.people;

people.lower += ta.knowledge_dec;//пересчет уровня знания

people.upper += ta.knowledge_dec;

vector<People> slice;

people.Slice(slice);

for (int slice_index = 0; slice_index < slice.size(); ++slice_index) {

if (!slice[slice_index].Defined() || slice_index == ta_type) { continue; }

adds[slice_index].push_back(slice[slice_index]);

}

ta.people = slice[ta_type];

}

TargetAudience& ta = Market::Get(target_audience);

People people0(ta.people.size * Channel::efficiency[channel],

ta.people.lower + ta.knowledge_inc,//пересчет уровня знания

ta.people.upper + ta.knowledge_inc);

People people1(ta.people.size * (1.0 - Channel::efficiency[channel]),

ta.people.lower + ta.knowledge_dec,

ta.people.upper + ta.knowledge_dec);

vector<People> slice0, slice1;

people0.Slice(slice0);//распределение клиентов, которые вышли за

people1.Slice(slice1);//пределы своей группы

for (int slice_index = 0; slice_index < slice0.size(); ++slice_index) {

if (slice_index == target_audience) { continue; }

if (slice0[slice_index].Defined()) {

adds[slice_index].push_back(slice0[slice_index]);

}

if (slice1[slice_index].Defined()) {

adds[slice_index].push_back(slice1[slice_index]);

}

}

ta.people = slice0[target_audience] + slice1[target_audience];

for (int ta_type = TargetAudience::Rest; ta_type <= TargetAudience::Core; ++ta_type) {

TargetAudience& ta = Market::Get(ta_type);

for (int index = 0; index < adds[ta_type].size(); ++index) {

ta.people = ta.people + adds[ta_type][index];

}

}

//cout « Market::Sum() « endl;

}

};

Канал

В построенной модели сообщения отправляются через 4 разных канала: телевидение, радио, интернет и наружная реклама. Для более точного подсчета влияния канала учитывалась эффективность каждого. Данные по эффективности были взяты из исследования эффективности рекламного сообщения агентства MPG, результаты которого опубликовало РБК. Цифры получились следующие (в среднем): телевидение — 52 %, радио — 45 %, интернет — 60 %, наружная реклама — 47 %.

У структуры Channel есть два параметра — тип и эффективность.

Стоит отметить, что для подсчета эффективности канала берется не только среднее значение, но и определенный разброс, 10–20 %. Например, разброс для значения эффективности интернет-рекламы больше, потому что в зависимости от демографических свойств аудитории (возраст, пол) различается взаимодействие с интернетом.

Описание структуры Channel на языке C++:

struct Channel {

enum Type {TV, Radio, Internet, OutDoor, Last};

static double efficiency[];

};

double Channel::efficiency[] = {0.5208, 0.447, 0.6575, 0.4749};

const double d_eff[] = {0.2, 0.1, 0.25, 0.1};//разброс

Описание процесса

В данной модели рассматривается маркетинговая стратегия, длящаяся 1 месяц, каждый день отправляется сообщение одной из аудиторий по одному из каналов. Выбор адресата и канала происходит случайно из четырех заранее продуманных стратегий.

Стратегия 1: каждой группе аудиторий по очереди отправляется сообщение, перебираются все каналы и все аудитории.

Стратегия 2: сообщения отправляются только группам Interested и Liked по всем каналам.

Стратегия 3: сообщение отправляется всем, кроме Rest, по каналам TV и Internet.

Стратегия 4: отправка сообщения Core и Liked по всем каналам, кроме радио.

Выбор именно описанных выше стратегий объясняется несколькими факторами. Во-первых, большее число стратегий существенно усложняют анализ данных, во-вторых, рассмотрены типичные стратегии, которые реально применяются на практике.

После выбора стратегии происходит ее реализация и пересчет размеров аудиторий. Критерием успеха кампании является удовлетворение неравенству: factor > k, где k — вручную подобранный коэффициент, а factor — скалярное произведение вектора полученных размеров аудиторий после кампании (Rest, Interested, Liked, Core) и вектора ценности каждой аудитории: 0 для Rest, 0.2 для Interested, 0.3 для Liked и 0.5 для Core. Был выбран такой критерий, поскольку ценность каждой аудитории для бренда разная — ядро является ключевой аудиторией, чем больше людей перешло в нее, тем больше эффективность кампании.

Заключение

Основным результатом работы можно считать построение собственной модели маркетинговой кампании, которая может найти применение на практике.

Модель состоит из следующих концептов: целевая аудитория, сообщение, канал, стратегия. Целевые аудитория различаются по уровню знания бренда, который представлен в процентах, и по размерам. Сообщения могут иметь тип: по бренду или по продукту, канал, по которому передается сообщение, и аудитория, на кого оно нацелено. Рассматриваются 4 канала: телевидение, радио, интернет и наружная реклама, каждый из которых имеет свою оценку эффективности. Модель показывает, закончится ли рекламная кампания успехом при выбранной стратегии и данном состоянии рынка, если успех мы принимаем за определенный вектор.

 

Литература:

 

1.      Ioana Olariu, Integration of mathematical models in marketing theory and practice, Studies and Scientific Researches. Economics Edition No. 16–17, 2011–2012, Romania

2.      Kotler, Ph., (1970), OperationsResearchand Model Building in Marketing, Handbook of Modern Marketing, McGraw Hill

3.      Anatoly Zhigljavsky, Statistical modelling in market research, School of Mathematics, Cardiff University, Cardiff, U.K.

4.      Ingene C. A., Parry M. E. (2004) Mathematical models of distribution channels, Springer.

Обсуждение

Социальные комментарии Cackle