MX2011004611A - Especificación automatizada, cálculo y decubrimiento de controladores y elasticidades de respuesta del mercado o factores de alza. - Google Patents

Abstract

En algunas modalidades, se proporciona una instalación de software lleva a cabo un método de especificación automatizada de modelos, cálculo de elasticidades y descubrimiento de controladores con el uso de estructuras descritas. Primero, la instalación obtiene al cliente, el negocio y/o los objetivos de la marca, en términos de optimización de beneficio, objetivos de volumen o ingreso, adquisición de nuevos clientes, retención de clientes, participación de cartera de clientes e incremento de ventas. Junto con estos objetivos, la instalación obtiene metadatos cruzados relacionados con la planeación de períodos, mercados, geografías, canales de comercio y segmentos del cliente. En combinación, los objetivos y los metadatos definen la estructura de la pila de datos y el número de ecuaciones de generación de demanda que son necesarios.

Description

ESPECIFICACION AUTOMATIZADA. CALCULO Y DESCUBRIMIENTO DE CONTROLADORES CAUSALES Y ELASTICIDADES DE RESPUESTA DEL MERCADO O FACTORES DE ALZA REFERENCIA CRUZADA A SOLICITUD(ES) RELACIONADA(S) La presente solicitud reclama el beneficio de la Solicitud de Patente Provisional de E.U.A. No. 61/110,514, presentada el 31 de Octubre del 2008, la cual se incorpora aquí para referencia en su totalidad.

La presente solicitud se refiere a las siguientes solicitudes, cada una de las cuales se incorpora aquí para referencia en su totalidad: Solicitud de Patente Provisional de E.U.A. No. 60/895,729, presentada el 19 de Marzo del 2007, Solicitud de Patente Provisional de E.U.A. No. 60/991,147, presentada el 29 de Noviembre del 2007, Solicitud de Patente Provisional de E.U.A. No. 61/084,252, presentada el 28 de Julio del 2008, y Solicitud de Patente Provisional de E.U.A. No. 61/084,255, presentada el 28 de Julio del 2008.

CAMPO TECNICO La tecnología descrita se dirige al campo de herramientas de soporte de decisión automatizada, y, más particularmente, al campo de herramientas de presupuesto, automatizadas.

ANTECEDENTES La comunicación de comercialización ("comercialización") es el procedimiento por el cual los vendedores de un producto o un servicio, es decir, una "oferta", . educan a los compradores potenciales sobre la oferta. La comercialización frecuentemente es un gasto mayor para los vendedores, y frecuentemente se hace de un gran número de componentes o categorías, tal como una variedad de diferentes medios de publicidad y/o puntos de venta, así como otras tecnologías de comercialización. A pesar de la complejidad involucrada al desarrollar un presupuesto de comercialización que atribuye a un nivel de gasto a cada número de componentes, existen pocas herramientas de soporte de decisión automatizadas útiles, lo que hace en común realizar esta actividad manualmente, al confiar en las conclusiones subjetivas, y en muchos casos, producir resultados desventajosos.

En pocos casos en donde existen herramientas de soporte de decisión útiles, es típicamente necesario para el usuario de las herramientas proporcionar grandes cantidades de datos sobre distribuciones pasadas de recursos de comercialización a la oferta en cuestión, y los resultados que producen. En muchos casos, tales como en los casos de una nueva oferta, dichos datos no están disponibles. Aún cuando dichos datos estén disponibles, puede ser inconveniente acceder a estos datos y proporcionarlos a la herramienta de soporte de decisión.

Por consiguiente, una herramienta que automáticamente prescribe una distribución ventajosa de fondos u otros recursos a una oferta y sus varios componentes sin requerir que el usuario proporcione datos de desempeño históricos para la oferta podría tener utilidad significativa.

BREVE DESCRIPCION DE LOS DIBUJOS La Figura 1 es un diagrama de flujo de datos de alto nivel que muestra el flujo de datos dentro de una distribución típica de componentes utilizados para proporcionar la instalación.

La Figura 2 es un diagrama de bloques que muestra algunos de los componentes típicamente incorporados en al menos algunos de los sistemas de computadora y otros dispositivos en los cuales se ejecuta la instalación.

La Figura 3 es un cuadro que ilustra contenidos de muestra de una biblioteca de esfuerzos de comercialización históricos.

La Figura 4 es un diagrama de presentación que muestra una página de registro utilizada por la instalación para limitar el acceso a la instalación para usuarios autorizados.

La Figura 5 es un diagrama de flujo que muestra una presentación de página generada por la instalación en un modo de ver/edición .

Las Figuras 6-9 muestran presentaciones mostradas por la instalación con el fin de solicitar información sobre la oferta especializada a la cual se suscriben el presupuesto de comercialización total y su distribución por la instalación.

La Figura 10 es un diagrama de presentación que muestra una presentación de navegación de resultado presentada por la instalación después de recolectar información sobre la oferta especializada para permitir al usuario seleccionar una forma de análisis para revisar los resultados.

La Figura 11 es un diagrama de presentación que muestra una presentación mostrada por la instalación para transportar el presupuesto de comercialización total óptimo que la instalación determinó para la oferta especializada.

La Figura 12 es una presentación mostrada por la instalación para mostrar información de mezcla de gastos. La presentación incluye un presupuesto total 1201 prescrito por la instalación.

La Figura 13 es un diagrama de procedimiento que describe recolectar información de atributo de oferta adicional del usuario.

La Figura 14 es un diagrama de procedimiento que muestra la derivación de tres medidas derivadas para la oferta especializada: cognición, afecto, y experiencia.

La Figura 15 es un diagrama de cuadro que muestra grupos de distribuciones de actividad de comercialización, cada uno para una combinación diferente de tres atributos derivados mostrados en la Figura 14.

La Figura 16 es un diagrama de procedimiento que muestra cómo debe ajustarse la distribución inicial especificada por el cuadro en la Figura 15 para un número de condiciones especiales.

La Figura 17 es un diagrama de procedimiento que muestra como la instalación determina la cantidad en dólares para gastar en cada actividad de comercialización.

La Figura 18 es un diagrama de procedimiento que muestra el ajuste final a los resultados mostrados en la Figura 17.

La Figura 19 es un diagrama de presentación que muestra una presentación mostrada por la instalación para ilustrar prescripciones de distribución de recurso hechas por la instalación con respecto a un número de ofertas especializadas relacionadas, tal como el mismo producto empaquetado en tres formas diferentes.

Las Figuras 20-23 son diagramas de presentación mostrando una inferíase de usuario típica presentada por la instalación en algunas modalidades para especificar y automáticamente reunir entradas de datos.

Las Figuras 24-26 son diagramas de presentación mostrando una interfase de usuario típica presentada por la instalación con relación al procedimiento ACE.

DESCRIPCION DETALLADA Una instalación de software que utiliza una descripción cualitativa de una oferta especializada para prescribir automáticamente tanto (1) un presupuesto total para la comercialización y los recursos de ventas para una oferta especializada como (2) una distribución de ese presupuesto total en múltiples categorías de gasto, también denominadas como "activos", en una forma pretendida para optimizar un resultado de negocio tal como beneficio para la oferta especializada basándose en datos econométricos experimentalmente obtenidos ("la instalación") se proporciona .

En una fase de inicio, la instalación considera datos sobre esfuerzos de comercialización históricos para varias ofertas que no necesariamente tienen relación al esfuerzo de comercialización para la oferta especializada. Los datos reflejan, para cada esfuerzo: (1) características de la oferta comercializada; (2) el presupuesto de comercialización total; (3) distribución entre actividades de comercialización; y (4) resultados de negocio. Estos datos pueden obtenerse en una variedad de formas, tal como conducir directamente estudios de comercialización, recolectar de publicaciones académicas, etc.

La instalación utiliza estos datos para crear recursos adaptados a los objetivos de la instalación. Primero, la instalación calcula una medida de elasticidad promedio para el presupuesto de comercialización total a través de todos los esfuerzos de comercialización históricos que predicen el impacto en el resultado de negocio para distribuir un nivel particular de recursos al presupuesto de comercialización total. En segundo lugar, la instalación del mismo número de factores de ajuste para la medida de elasticidad promedio para el presupuesto de comercialización total que específica cuánto va a aumentar o disminuir la medida de elasticidad promedio para el presupuesto de comercialización total para reflejar características particulares de los esfuerzos históricos de comercialización. En tercer lugar, para los esfuerzos de comercialización históricos de cada uno del grupo de números de ofertas cualitativamente similares, la instalación deriva medidas de elasticidad por actividad que indican la expresión a la cual cada actividad de comercialización impactó el resultado de negocio para los esfuerzos de comercialización para el grupo.

La instalación utiliza técnicas de entrevista para solicitar una descripción cualitativa de la oferta especializada de un usuario. La instalación utiliza porciones de la descripción cualitativa solicitada para identificar factores de ajuste para aplicar a la medida de elasticidad promedio para el presupuesto de comercialización total. La instalación utiliza una versión de la medida de elasticidad promedio para el presupuesto de comercialización total ajustado por los factores de ajuste identificados para identificar un presupuesto de comercialización total esperado para producir el nivel superior de beneficio para la oferta especializada, o para minimizar algún objetivo especificado por el usuario.

Después de identificar el presupuesto de comercialización total ideal, la instalación utiliza la descripción cualitativa solicitada de la oferta especializada para determinar cuál de los grupos de otras ofertas coincide más cercanamente con la oferta especializada, y deriva un grupo de distribuciones de actividad de comercialización ideales del grupo de medidas de elasticidad por actividad derivadas para ese grupo.

En algunas modalidades, la instalación considera los datos recibidos de uno o más de un número de tipos de fuentes externas, incluyendo las siguientes: medios sindicados, datos de ventas sindicados, medios de internet, datos de comportamiento de internet, datos de solicitud de búsqueda natural, datos de actividad de búsqueda de pago, datos de medios como televisión, radio, impresión, datos de comportamiento de consumidor, datos de supervisión de rastreo, datos económicos, datos de clima, datos financieros como mercado bursátil, datos de gasto de comercialización competitivos, y datos de ventas en línea y fuera de línea.

En algunas modalidades, la instalación recupera datos de resultado y generador de cada uno de un número fuentes de tercera parte, utilizando una plantilla predefinida para cada fuente para guiar la recuperación y trazo de estos datos de tercera parte. En algunas modalidades, la instalación utiliza los datos de tercera parte recuperados junto con datos específicos de cliente sobre ventas o uno o más de otros resultados de negocio que se obtienen del cliente con el fin de generar distribuciones de recurso recomendadas. En algunos casos, esto puede obviar la necesidad de recolectar datos de resultado y/o generador del cliente, por lo general ahorrando tiempo y recursos importantes.

De esta forma, la instalación automáticamente prescribe una distribución de recurso de comercialización total y la distribución para la oferta especializada sin requerir que el usuario proporcione datos de desempeño históricos para la oferta especializada.

Las curvas de respuesta de ventas o mercado determinadas por la instalación pronostican resultados de negocios como funciones matemáticas de varios controladores de recurso: Ventas = F(Cualquier Grupo de Variables de Controlador), en donde F denota una función estadística con las características económicas apropiadas de disminución de devoluciones.

Además, ya que esta relación se basa en datos, ya sea series de tiempo, sección transversal, o tanto series de tiempo como de sección transversal, el método inherentemente produce efectos directos, indirectos y de interacción para las condiciones subyacentes.

Estos efectos describen cómo responden las ventas a cambios en las variables de controlador subyacentes y estructuras de datos. Por lo general, estos efectos de respuesta son conocidos como "factores de alza". Como un subgrupo o caso especial, estos métodos permiten leer cualquier condición de encendido-apagado para las secciones transversales o series de tiempo.

Existen varias clases de funciones estadísticas que son apropiadas para determinar y aplicar diferentes tipos de factores de alza. En algunas modalidades, la instalación utiliza una clase conocida como multiplicativa y registro registro (utilizando logaritmos naturales) y estimados de punto de los factores de alza.

En ciertas situaciones, la instalación utiliza métodos que se aplican a datos de controlador categóricos y resultados categóricos. Estos incluyen las clases de factores de alza probabilísticos conocidos como métodos de logit (unidad logarítmica) multinominal, logit, probit (unidad de probabilidad), no paramétricos o peligrosos.

En varias modalidades, la instalación utiliza una variedad de otros tipos de factores de alza determinados en una variedad de formas. Declaraciones sobre "elasticidad" aqui, en muchos casos se extiende a factores de alza de una variedad de otros tipos.

La Figura 1 es un diagrama de flujo de datos de alto nivel que muestra flujo de datos dentro de una distribución típica de componentes utilizados para proporcionar la instalación. Un número de sistemas de computadora de cliente web 110 que están bajo el control de usuario generan y envían solicitudes de vista de página 131 a un servidor web lógico 100 a través de una red tal como Internet 120. Estas solicitudes típicamente incluyen solicitudes de vista de página y otras solicitudes de varios tipos que se relacionan con recibir información sobre una oferta especializada y proporcionar información sobre presupuesto de comercialización total prescrita y su distribución. Dentro del servidor web, estas solicitudes pueden enrutarse todas a un sistema de computadora de servidor web individual, o pueden cargarse-balancearse entre un número de sistemas de computadora de servidor web. El servidor web típicamente responde a cada uno con una página servida 132.

Mientras se describen varias modalidades en términos del ambiente antes descrito, aquellos expertos en la técnica apreciarán que la instalación puede implementarse en una variedad de otros ambientes que incluye un sistema de computadora individual, monolíticos, así como varias otras combinaciones de sistemas de computadora o dispositivos similares conectados en varias formas. En varias modalidades, una variedad de sistemas de cómputo u otros dispositivos de cliente diferentes pueden utilizarse en lugar de los sistemas de computadora de cliente web, tal como teléfonos móviles, asistentes digitales personales, televisiones, cámaras, etc.

La Figura 2 es un diagrama de bloques que muestra algunos de los componentes típicamente incorporados en al menos algunos sistemas de computadora y otros dispositivos en los cuales se ejecuta la instalación. Estos sistemas y dispositivos de computadora 200 pueden incluir una o más unidades de procesamiento central ("CPUs") 201 para ejecutar programas de computadora; una memoria de computadora 202 para almacenar programas y datos mientras se utilizan; un dispositivo de almacenamiento persistente 203, tal como una unidad dura para almacenar persistentemente programas y datos; una unidad de medios legibles por computadora 204, tal como una unidad de CD-ROM, para leer programas y datos almacenados en un medio legible por computadora; y una conexión de red 205 para conectar el sistema de computadora a otros sistemas de computadora, tal como a través de Internet. Mientras los sistemas de computadora configurados como se describió anteriormente se utilizan típicamente para soportar la operación de la instalación, aquellos expertos en la técnica apreciarán que la instalación puede implementarse al utilizar dispositivos de varios tipos y configuraciones, y que tienen varios componentes.

La Figura 3 es un cuadro que muestra contenidos de muestra de una biblioteca de esfuerzos de comercialización históricos. La biblioteca 300 se forma de entradas, tal como entradas 310, 320, y 330, cada una que corresponde a un grupo de uno o más esfuerzos históricos de comercialización para compartir un contexto similar. Cada entrada contiene un número de valores de atributo de contexto que se mantiene verdadero para los esfuerzos históricos de comercialización que corresponden a la entrada, que incluyen valores para un nuevo atributo de producto 311, un atributo de marca de cognición 312, un atributo de marca de afecto 313, una marca de experiencia 314, una marca de claridad de mensaje 315, y una marca de persuasión de mensaje 316. Cada entrada además contiene valores para las siguientes medidas estadísticas para los esfuerzos históricos de comercialización que corresponden a la entrada: registro del resultado 351, base 352, registro del resultado con un factor de retraso 353, registro externo 354, registro de precio relativo 355, y registro de distribución relativa 356. Cada entrada además contiene registros de valores de eficiencia de publicidad para cada uno de un número de categorías, que incluyen TV 361, impresión 362, radio 363, exterior 364, búsqueda de Internet 365, consulta de Internet 366, hispánico 367, directo 368, eventos 369, patrocinio 370, y otros 371.

La Figura 4 es un diagrama de presentación que muestra una página de registro utilizada por la instalación para limitar el acceso a la instalación para usuarios autorizados. Un usuario ingresa su dirección de correo electrónico en el campo 401, su contraseña en el campo 402, y selecciona un control de firma 403. Si el usuario tiene problemas al firmar de esta forma, el usuario selecciona control 411. Si el usuario no tiene una cuenta, el usuario selecciona el control 421 con el fin de crear una nueva cuenta.

La Figura 5 es un diagrama de flujo que muestra una presentación de página generada por la instalación en un modo de vista/edición. La presentación enlista un número de escenarios 501-506, cada uno que corresponde a prescripción de oferta existente generada por el usuario, o generada por una organización con la cual el usuario está asociado. Para cada escenario, la presentación incluye el nombre del escenarios 511, una descripción del escenario 512, una fecha 513 en la cual se creó el escenario, y un estado del escenario. El usuario puede seleccionar cualquiera de los escenarios, tal como al seleccionar su nombre, su estado, para obtener más información sobre el escenario. La presentación también incluye un área de pestaña 550 que el usuario puede utilizar con el fin de navegar en diferentes modos de la instalación. Además de la pestaña 552 para el presente modo de vista/edición, el área de pestaña incluye una pestaña 551 para un modo de crear, una pestaña 553 para un modo de comparar, una pestaña 554 para un modo de enviar, y una pestaña 555 para un modo de eliminar. El usuario puede seleccionar cualquiera de estas pestañas con el fin de activar el modo correspondiente.

Las Figuras 6-9 muestran presentaciones mostradas por la instalación con el fin de solicitar la información sobre la oferta especializada para la cual se va prescribir un presupuesto de comercialización total y su distribución por la instalación. La Figura 6 muestra los controles para ingresar valores para los siguientes atributos: ingreso actual 601, gasto de comercialización anual actual 602, índice de crecimiento anticipado para el siguiente año en la industria como un todo 603, beneficio bruto expresado como un porcentaje de ingreso 604, y acción de mercado expresada como un porcentaje de dólar 605. La presentación además incluye un control de guardar 698 que el usuario puede seleccionar con el fin de guardar los valores de atributo que ingresó, y un control de continuar 699 que el usuario puede seleccionar con el fin de proceder a la siguiente presentación para ingresar los valores de atributo de contexto.

La Figura 7 es una presentación adicional presentada por la instalación para solicitar los valores de atributo para la oferta especializada. Incluye controles para ingresar valores para los siguientes atributos de contexto: novedad industrial 701, novedad de mercado 702, novedad de canal 703, e innovación de comercialización 704.

La Figura 8 es una presentación adicional presentada por la instalación con el fin de solicitar valores de atributo. Tiene controles que el usuario puede utilizar para ingresar los valores para los siguientes atributos de contexto: novedad de contenido de información de comercialización 801, posición de compañía en el mercado 802, acción de mercado 803, y estrategia de precio 804.

La Figura 9 es una presentación adicional presentada por la instalación con el fin de solicitar valores de atributo. Contiene un control 901 que el usuario puede utilizar para determinar si se incluirá el detalle del segmento del cliente. La presentación además contiene cuadros 910 y 920 para especificar valores de atributos de contexto adicionales. El cuadro 910 puede utilizarse por el usuario para especificar simultáneamente valores para la consistencia y claridad de la transmisión de mensajes de marca y los esfuerzos de colocación por la compañía responsable de la oferta especializada. Con el fin de utilizar el cuadro 910, el usuario selecciona una celda individual en la rejilla incluida en el cuadro que corresponde a los valores apropiados de la consistencia y los atributos de claridad. La sección 920 es similar, lo que permite al usuario seleccionar simultáneamente valores apropiados para la persuasión y la preferencia de la publicidad de la compañía.

La Figura 10 es un diagrama de presentación que muestra una presentación de navegación de resultado presentada por la instalación después de recolectar información sobre la oferta especializada para permitir al usuario seleccionar una forma de análisis para realizar los resultados. La presentación incluye un control 1001 que el usuario puede seleccionar con el fin de revisar la información de acción de mercado que se refiere al resultado, un control 1002 que el usuario puede seleccionar con el fin de revisar la información de mezcla de gastos que se relaciona al resultado, y un control 1003 que el usuario puede seleccionar con el fin de revisar el beneficio y la información de pérdida que se relaciona con el resultado.

La Figura 11 es un diagrama de presentación que muestra una presentación presentada por la instalación para presentar el presupuesto de comercialización total óptimo que la instalación determinó para la oferta especializada. La presentación incluye una gráfica 1110 que muestra dos curvas: ingreso con respecto al presupuesto de comercialización total (o "gasto de comercialización") 1120 y beneficio (es decir, "contribución de comercialización después del costo") con respecto al presupuesto de comercialización total 1130. La instalación identificó al punto 1131 como el pico de la curva de beneficio 1130 y por lo tanto identificó al nivel correspondiente del gasto de comercialización, $100, como el gasto de comercialización óptimo. La altura del punto 1131 muestra el nivel esperado de beneficio que se producirá por este gasto de comercialización, y la altura del punto 1121 muestra el nivel esperado del ingreso total que se esperara en este gasto de comercialización. El cuadro 1150 proporciona información adicional sobre el gasto de comercialización óptimo y su cálculo. El cuadro muestra, para cada gasto de comercialización actual 1161, el gasto de comercialización ideal 1162, y delta entre estos dos 1163: ingreso 1151 proyectado para este nivel de gasto de comercialización; costos de bienes y servicios 1152 anticipados para ser incurridos en este nivel de gasto de comercialización; margen bruto 1153 para adquirirse en este nivel de gasto de comercialización; el gasto de comercialización 1154; y la contribución de comercialización después del costo 1155 esperado en este nivel de gasto de comercialización.

Con el fin de definir la curva de beneficio e identificar el nivel de presupuesto de comercialización total en el cual alcanza su pico, la instalación primero determina una elasticidad de presupuesto comercialización total apropiada para la oferta especializada. Este valor de elasticidad cae en una escala entre .01 y .30, y se anula para permanecer dentro de esta escala. La instalación calcula la elasticidad al ajustar un valor de elasticidad inicial, tal como .10 ó .11, de acuerdo con un número de factores de ajuste cada uno unido a un valor de atributo particular para la oferta especializada. Los valores de muestra de estos factores de ajuste se muestran posteriormente en el Cuadro 1.

CUADRO 1 Novedad Innovación de I nformación Acción de Calidad de comercialización nueva mercado de industria publicidad Alto .05 .1 .05 -.03 .04 Medio 0 0 0 0 0 Bajo -.02 -.03 -.02 .02 -.03 La columna de novedad de industria corresponde al control 701 mostrado en la Figura 7. Por ejemplo, si se revisa el cuadro de revisión superior en el control 701, entonces la instalación selecciona el factor de ajuste .05 de la columna de novedad de industria; si se revisa cualquiera de los dos cuadros medios en el control 701, entonces la instalación selecciona el factor de ajuste 0 de la columna de novedad de industria; en si se revisa el cuadro de revisión inferior en el control 701, entonces la instalación selecciona el factor de ajuste -.02 de la columna de novedad de industria. Similarmente, la columna de innovación de comercialización corresponde al control 704 mostrado en la Figura 7, la columna de nueva información corresponde al control 801 mostrado en la Figura 8, y la columna de acción de mercado corresponde al control 803 mostrado en la Figura 8. La columna de calidad de publicidad corresponde a los cuadros 910 y 920 mostrados en la Figura 9. En particular, la suma de las posiciones de las celdas seleccionadas en las dos gráficas con relación a la esquina izquierda inferior de cada gráfica se utiliza para determinar un nivel de calidad de publicidad alto, medio, o bajo.

La instalación entonces utiliza elasticidad de presupuesto de comercialización total ajustado para determinar el nivel de presupuesto de comercialización total en donde ocurre el beneficio máximo, como se discute en detalle posteriormente en el Cuadro 2.

CUADRO 2 Definiciones: Ventas= S Base=p Gasto de comercialización = M Elasticidad = a Costo de Bienes Vendidos (COGS)= C Benedicio= P (P es una función de S, C, M, como se definió en la ecuación 2 posterior) Ecuación fundamental que se relaciona con Ventas para la Comercialización (alfa y beta se proporcionarán): Ecuación (1): S = *M° La Ecuación que se refiere a Ventas para Beneficios (C se conocerá). Por lo que puede substituir Ventas en la ecuación (1) anterior y fija el programa para maximizar los beneficios para un alfa y beta dado: Ecuación (2): P = [S*( 1 -C)-M] (l-C) Resolver Ecuación (2) para Ventas: (l-C) Sustituir por S en la Ecuación Fundamental: x ' Resolver para P como una función de M, C, alfa y beta: ? = [ß*?a*(\-€.)]-? Ahora se tiene P como una función de M.

Tomar derivados: Establecer a cero para dar el punto de ¡nfexión local 1=[(1-0)ßa]* M0'1 Resolver para M: Revisar el signo del segundo derivado (para ver que es un máx no un mín): [( 1 -0)ßa(a-1 )] * °"2<0 ? La Figura 12 es una presentación presentada por la instalación para mostrar información de mezcla de gastos. La presentación incluye un presupuesto total 1201 prescrito por la instalación. El usuario puede editar este presupuesto si se desea para ver el efecto en la información de distribución mostrada posteriormente. La presentación también incluye controles 1202 y 1203 que el usuario puede utilizar para identificar problemas especiales que se relacionan con la prescripción de presupuesto de comercialización. La presentación además incluye un cuadro 1210 que muestra varias informaciones para cada número de actividades de comercialización. Cada fila 1211-1222 identifica una actividad de comercialización diferente. Cada fila además se divide en las siguientes columnas: distribución de porcentaje actual 1204, distribución de porcentaje ideal 1205, distribución de dólar para marca en miles 1206, distribución de dólar para producto en miles 1207, y diferencia de dólar en miles entre actual e ideal. Por ejemplo, a partir de la fila 1214, se puede observar que la instalación prescribe una reducción en la distribución para publicidad impresa de 15% a 10%, $3.3 millones que se gastarán en publicidad impresa para la marca y $2.2 millones que se gastarán en publicidad impresa para el producto, y que la distribución actual para la comercialización impresa es $1.85 millones mayor que la distribución ideal. La presentación además incluye una sección 1230 que el usuario puede utilizar para adoptar un reporte de cuadro de barra para incluir o excluir cualquier presupuesto y actividades de comercialización. Se puede observar que el usuario seleccionó cuadros de revisión 1231-1233, lo que provoca que se agreguen secciones 1250, 1260, y 1270 al reporte que contiene las gráficas de barras para la TV, radio, y las actividades de comercialización impresa. En la sección 1250 para la actividad de comercialización de TV que contiene la barra 1252, para la distribución de porcentaje actual a la TV nacional, la barra 1253 para la distribución de porcentaje actual a la TV por cable, la barra 1257 para la distribución de porcentaje ideal para la TV nacional, y la barra 1258 para la distribución de porcentaje ideal para la TV de cable. Las otras secciones de reporte son similares.

Las Figuras 13-18 describen el procedimiento por el cual la instalación determina la distribución de actividad mostrado en la Figura 12. La Figura 13 es un diagrama de procedimiento que describe recolectar información de atributo de oferta adicional del usuario. En algunas modalidades, esta información de atributo adicional se obtiene del usuario que utiliza una interfase de usuario que es similar en diseño para mostrar en las Figuras 6-9. La Figura 13 muestra un número de atributos 1300 para los cuales se solicitan valores del usuario para la oferta especializada.

La Figura 14 es un diagrama de procedimiento que muestra la derivación de tres medidas derivadas para la oferta especializada: cognición, afecto, y experiencia. Los valores para estas medidas derivadas se derivan basándose en el valor de atributos mostrados en la Figura 13 proporcionados por el usuario de la oferta especializada.

La Figura 15 es un diagrama de cuadro que muestra grupos de distribuciones de actividad de comercialización, cada una para una combinación diferente de los tres atributos derivados mostrados en la Figura 14. Por ejemplo, la Figura 15 indica que, para las ofertas especializadas asignadas con una marca de cognición alta y la marca de acepción media se asignarán a los recursos de comercialización en los siguientes porcentajes: TV 44%, revistas impresas 12%, periódicos impresos 0%, radio 5%, exterior 0%, búsqueda de Internet 10%, palabras de anuncio de Internet 5%, comercialización directa 12%, patrocinio/evento 7%, PR/otro 5%, y calle 0%. Cada uno de estos nueve grupos de distribuciones se basa en las elasticidades de actividad relativas, como aquéllas mostradas en la Figura 3, agrupadas por las marcas de cognición y afecto indicadas para los grupos de esfuerzos de comercialización históricos contenidos en la biblioteca.

La Figura 16 es un diagrama de procedimiento que muestra cómo debe ajustarse la distribución inicial especificada por el cuadro en la Figura 15 para un número de condiciones especiales 1600.

La Figura 17 es un diagrama de procedimiento que muestra como la instalación determina la cantidad de dólar para gastar en cada actividad de comercialización. El procedimiento 1700 toma el tamaño de la audiencia objetivo especificada por el usuario y la divide por porcentaje afectivo del objetivo para obtener un alcance comprado, es decir, el número de usuarios a los cuales se les presentarán los mensajes de comercialización. Este número se multiplica por el porcentaje de distribución ajustado para obtener una frecuencia por cliente que entonces se multiplica por un número de ciclos de compra por año y costo por impresión para obtener el gasto estimado para cada actividad.

La Figura 18 es un diagrama de procedimiento que muestra el ajuste final para los resultados mostrados en la Figura 17. El procedimiento 1800 específica la clasificación de la audiencia objetivo hacía arriba o hacia abajo para coincidir con el presupuesto de comercialización total determinado por la instalación para la oferta especializada.

La Figura 19 es un diagrama de presentación que muestra una presentación mostrada por la instalación para ilustrar prescripciones de distribución de recurso hechas por la instalación con respecto a un número de ofertas especializadas relacionadas, tal como el mismo producto empaquetado en tres formas diferentes. La presentación incluye un cuadro 1910 que ilustra gráficamente cada una de las ofertas especializadas relacionadas, paquete A, paquete B, y paquete C, cada uno con un círculo. La posición del centro de círculo indica el presupuesto de comercialización total actual e ideal distribuido para la oferta, para que cada distancia y dirección de círculo de una línea 1920 de 45° indique si el gasto de comercialización debe aumentar o disminuir para la oferta y por cuanto. Por ejemplo, el hecho de que el círculo 1911 para el paquete A esté sobre y a la izquierda de la línea de 45° índica que el gasto de comercialización debe aumentar para el paquete A. Además, el diámetro y/o área de cada círculo refleja el beneficio total atribuible a la oferta especializada correspondiente que asume que el presupuesto de comercialización total ideal especificado por la instalación para esa oferta se adopta. La presentación también incluye una sección 1930 que contiene una gráfica de barras que muestra la acción de mercado y el volumen, tanto actual como ideal, para cada oferta especializada relacionada. La presentación también incluye una sección 1940 que muestra información similar a la mostrada en la Sección 1150 de la Figura 11.

En algunas modalidades, la instalación considera los datos recibidos de uno o más de un número de tipos de fuentes externas, incluyendo los siguientes: medios sindicados, datos de ventas sindicadas, medios de internet, datos de comportamiento de internet, datos de solicitud de búsqueda natural, datos de actividad de búsqueda de pago, datos de medios como televisión, radio, impresión, datos de comportamiento de consumidor, datos de supervisión de rastreo, datos económicos, datos de clima, datos financieros como mercado bursátil, datos de gastos de comercialización competitivos, y datos de ventas en línea y fuera de línea.

En varias modalidades, la instalación incorpora uno o más de los siguientes aspectos adicionales, discutidos con mayor detalle más adelante: 1) Coincidencia de Distancia Mínima de puntos de contacto de comunicación con necesidades de marca/cliente; 2) Un método de clasificación para necesidades de comunicación (cognición, afecto y experiencia); 3) Las interacciones de medios tradicionales y medios de internet, así como factores de experiencia; 4) La optimización de unión de medios de núcleo, medios de internet y factores de experiencia; 5) La combinación de datos de fuente múltiples de usuario específico (USMSD) para resultados y variables de controlador necesarias para los cálculos; 6) La automatización inteligente de la pila de datos para modelar; 7) La automatización inteligente de especificaciones de modelo, estimación estadística y conocimiento de experto; 8) El uso de datos de búsqueda "nativos" de internet de tiempo real, dinámicos como indicadores predictivos, de momento (DNM) de comercialización y respuesta de marca; 9) Medición de las interacciones dinámicas, optimización, pronóstico y predicción de resultados utilizando controladores de comercialización, momento demarca y ROI de comercialización; 10) Reporte de resultados de marca/cliente. 1 ) Coincidencia de Distancia Mínima (1.1) Utilizando las preguntas de entrada para Información (Qx), Afecto (Qy) y Experiencia (Qz), la instalación clasifica las necesidades de comunicación de marca/cliente utilizando estas 3 dimensiones y una escala de 3 puntos de baja, media y alta (codificadas numéricamente como 1, 2, 3). (1.2) La instalación puede distribuir recursos a través de un gran número de puntos de contacto de comunicación, también conocidos como canales de comunicación. Para cada canal, la instalación considera la capacidad del "medio" para suministrar dimensiones de información, afecto y experiencia de comunicaciones de marca/cliente.

Para seleccionar los canales de comunicación, la instalación reduce al mínimo la "distancia" entre las necesidades de comunicación y los medios/canales para después seleccionar puntos de contacto que son importantes para la respuesta de comercialización y subsecuente aplicación de las elasticidades y cálculos económicos ideales.

La distancia se define como la suma de diferencias al cuadrado (SSD) entre la necesidad de marca/cliente y el medio/canal.

Distancia = (Cognición de Medio - Cognición de Marca) A2) + (Afecto de Medio - Afecto de MarcaA2 + (Experiencia de Medio = Experiencia de Marca)A2 ? denota potenciación. 2) Método de Clasificación El método de clasificación se describe en las secciones 1.1 y 1.2 anteriores. 3) Método de interacción entre medios tradicionales y medios de internet La ecuación de resultado de núcleo se define (en cualquier parte) como: Resultados = (Resultado Base) : * ((Recurso 1 ^Elasticidad 1) * ((Recurso 2? Elasticidad 2), etc.

Recursos adicionales multiplican el lado a mano derecha.

La instalación combina medios tradicionales en la Ecuación 3 como los así llamados recursos y resultados de unión de "trayectoria directa".

La instalación extiende este modelo para incluir el internet en dos formas: El método 3.1 es para agregar e incluir métrica para presentación en línea y búsqueda de pago junto con medios tradicionales (TV, Impresión, Radio, etc.).

El método 3.2 también es para agregar e incluir una o más variables/métrica para búsqueda "natural" de internet (VINS). Un ejemplo de búsqueda natural es datos de cuenta en palabras utilizadas en cuadros de búsqueda de internet (como se distingue de impresiones y clics).

La instalación después agrega y aplica una 2o ecuación de "trayectoria indirecta", por lo que la búsqueda natural de internet es explicada por comercialización tradicional y recursos de ventas.

Resultado de Comercialización = F (recursos tradicionales, recursos de internet, búsqueda natural, base) Búsqueda Natural = F (recursos tradicionales, recursos de internet, base).

Estas dos ecuaciones trabajan "recurrentemente".

En forma práctica, los recursos de comercialización y ventas dirigen la atención y descubrimiento del consumidos/mercado. El comportamiento de descubrimiento se mide a través de búsqueda natural. Subsecuentemente, en el proceso recursivo, los recursos de internet después "convierten" la atención en acción. 4) Optimización de Unión Las ecuaciones de trayectoria directa e indirecta después proporcionan la mecánica para la "inmensa" optimización de economía.

La instalación aplica niveles de entrada de recurso variables, hace fluir los resultados a través de las ecuaciones excepcionales recursivas para producir resultados y después aplica las elasticidades asociadas (para reducir devoluciones) y los márgenes y costos asociados de los recursos.

También, en algunos casos, la instalación extiende este método a una 3o ecuación por lo que la Búsqueda de Pago también es manejada comparablemente con la búsqueda natural. Por lo tanto, la Búsqueda de Pago es un resultado intermediario.

Cualquier métrica de marca dinámica, de momento, de intermediario o intermediaria (conciencia, consideración, diversión) se maneja utilizando este método de 3o ecuación. 5) Datos de Fuente Múltiple de Usuario Específico ( U S M S D ) Las ecuaciones de demanda/resultado requieren de entradas de datos que son: • Marca específica; ? Industria externa específica; • Datos para recursos de Comercialización y Ventas; y • Datos específicos internos relacionados con marca/usuario/cliente La instalación es única para conjuntar estas 4 corrientes de datos para los propósitos de modelar demanda utilizando el método de 2 ecuaciones presentado anteriormente. 5.1) Los datos de marca típicamente incluyen ventas volumétricas, fijación de precios, ingreso, nuevas cuentas de cliente, cuentas de cliente existentes, retención de cliente, atrición de cliente y venta ascendente/venta cruzada de cliente de productos o servicios. También incluye atributos de industria y marca/cliente de las preguntas de entrada. 5.2) Los datos externos incluyen una serie de factores y controladores externos. Típicamente, estos incluyen elementos que describen condiciones y tendencias económicas así como clima, competidores de mercado y recursos de ventas y otros. 5.3) Los datos de comercialización y ventas incluyen varias medidas para entradas de recurso. Estas pueden incluir gasto de recurso para medios de comunicación/puntos de contacto. Pueden incluir medidas físicas de recursos para medios de comunicación/puntos de contacto (puntos de valor nominal, a base de tiempo o unidades físicas tales como cuentas de correo directas, etc.). 5.4) Los datos específicos de Internet incluyen principalmente medidas de búsqueda natural utilizando cuentas de palabra y cuentas de grupos de palabra y frases semánticas. Típicamente, estas medidas de palabra miden la dirección del mismo nombre de marca, aspectos de la fraseología clave asociada con la marca (la así llamada proposición de venta universal), aspectos de la colocación de marca tales como Calidad y palabras más genéricas o generalizadas asociadas con la marca.

Las Figuras 20-23 son diagramas de presentación que muestran una interfase de usuario típica presentada por la instalación en algunas modalidades para especificar y recolectar automáticamente algunas o todas estas entradas de datos. La Figura 20 muestra una presentación inicial conteniendo una lista de categorías de negocio, a partir de la cuales el usuario seleccionad la categoría más apropiada.

La Figura 21 muestra un tablero de instrumentos indicando el estado de recuperación de datos para las cuatro categorías de las entradas de datos 2110, 2120, 2130, y 2140. Cada tipo tiene indicadores de estado, por ejemplo, indicadores de estado 2111-2113 para la categoría de datos de internet 2110, para indicar el estado de recuperación de datos en esta categoría. Además, el usuario puede dar clic en cualquier de los tipos de datos para, ver información detallada sobre los datos de ese tipo.

La Figura 22 muestra una presentación detallada para datos en la categoría de datos de comercialización y ventas. Esta presentación 2200 muestra un número de diferentes componentes 2211 de la categoría de datos de comercialización y ventas; indicadores de estado 2212 indicando el estado de recuperación de cada uno de los componentes, y controles 2213 que el usuario puede operar para iniciar la recuperación de cada componente.

La Figura 23 muestra una presentación. La presentación incluye controles 2311 para introducir términos de búsqueda natural y términos de búsqueda de pago que son importantes para la oferta; controles 2312 para especificar períodos importantes de tiempo para cada búsqueda natural y búsqueda de pago; y controles 2313 para especificar cuando se recuperan y almacenan los datos de frecuencia para una búsqueda natural y una búsqueda de pago. 6) Pila de Datos Inteligentes La instalación utiliza la interfase de usuario de tablero de instrumentos de datos mostrada en las Figuras 20-23 para permitir a los usuarios seleccionar el grupo apropiado de datos de resultado y de controlador, así como factores financieros que serán utilizados por la instalación.

La instalación después proporciona una plantilla de entrada de datos para cada clase de datos (ver 5.1, 5.2, 5.3, 5.4, anteriores).

La instalación después aplica un grupo de algoritmos de calidad y depuración de datos para verificar al usuario el estado completo, consistencia y exactitud de las corrientes de datos designadas.

La instalación después transforma y carga estos vectores de datos a toda la matriz de instalación para modelar (MOM).

La estructura de filas para MOM típicamente involucra dimensiones de tiempo, segmentos de cliente, canales de comercio y/o capas geográficas.

La estructura de columnas para MOM típicamente involucra variables de resultado final, variables de resultado intermedio y variables de controlador (ver, 5.1, 5.2, 5.3 y 5.4).

La instalación utiliza una así llamada transformación de registro/registro (log/log) para los datos y la especificación de modelo de demanda.

Ln (Resultado) = Constante + Coefl *ln(Controlador 1) / Coef2*ln (Controlador2) + Coef3*ln(Controlador 3), etc.

La instalación aplica métodos de mínimos cuadrados generalizados (GLS) para la estimación estadística de las varias ecuaciones.

La instalación también construye cualquier variable "simulada" necesaria, utilizada en econometría, incluyendo estacional. 7) Estimación Inteligente La instalación incluye métodos de unión y comparativos a través de los Modelos Candidato (CM), el diagnóstico estadístico, valores t y estimados GLS de modelo/coeficientes de ecuación.

La instalación conduce la estimación GLS de aproximadamente 40 variantes y diagnóstico asociado. (La instalación incluye los algoritmos numéricos y métodos para GLS).

La instalación después selecciona y utiliza BLUS (estimados mejoras, lineales, no desviados) de coeficientes de respuesta (elasticidades de respuesta) para optimización económica para niveles de recurso y mezcla.

Esta selección se determina por la mejor fijación, los mejores valores t, la ausencia de multi-colinealidad, la ausencia de correlación en serie y estimados de elasticidad que están de acuerdo con la Biblioteca de Experto (CEL) y signos numéricos apropiados (positivo, negativo). 8) Momento Nativo Dinámico (DNM) Como se describió anteriormente, las cuentas de palabra y grupos de cuenta de palabra relacionados y derivados de búsqueda natural de internet incluyen y dirigen conceptos para momento de marca, calidad de marca e imagen de marca.

La instalación clasifica estos conceptos de palabra/semántica en variables de controlador que son importantes y se usan dentro de la trayectoria directa de la ecuación 2 y ecuaciones de trayectoria indirecta (ver anteriormente). Estas "cubetas" de semántica incluyen cuentas de consultas recibidas, relacionadas con el mismo nombre de marca, cuentas relacionadas con la categoría de producto o servicio y los competidores de marca/cliente y cuentas relacionadas con temas más generalizados (por ejemplo, vehículos de tecnología híbrida contra Lexus RXH).

La instalación incluye alimentaciones dinámicas de cuentas de palabras de la búsqueda natural de proveedores de búsqueda tales como Google, Yahoo o MSN u otros (MySpaces), Facebook, YouTube) así como dispositivos inalámbricos y móviles.

Los datos DNM son típicamente una muestra dinámica de tráfico de internet que avanza, la instalación utiliza cuentas por "x" millones de consultas. 9) Uso Dinámico de Momento de Internet en Optimización, Predicción y Pronóstico La instalación utiliza el método de la ecuación 2 presentado anteriormente para construir optimización ascendente-descendente de objetivos de marca/cliente con relación a controladores de recurso. Los controladores aquí incluyen tanto comercialización y ventas tradicionales como fijación de precios y recursos de internet.

La instalación utiliza tanto cálculo directo (cerrado del cálculo) como un método heurístico de ramificación y unión (B&B) para calcular resultados ideales utilizando el dominio de controladores de recurso. 10) Reporte de Instalación de Resultados de Marca/Cliente v Resultados La instalación incluye reporte visual y GUIs para resultados de marca/cliente (ver SMB Compass, Agencia Compass y USMSD/DNM Compass aquí). Por ejemplo, en varias modalidades, la instalación presenta resultados utilizando una o más de una curva de respuesta de ventas, una curva de beneficio, y una gráfica de barras actual contra ideal.

En varias modalidades, la instalación distribuye recursos a través de algunos o todos los canales, y en algunos casos canales adicionales: Televisión Teatro Radio Periódicos Revistas Artículos impresos Revistas para clientes Inserciones sueltas Publicidad por Internet Búsqueda por Internet Sitios web de marca/compañía Correos electrónicos Del Exterior Ventas por TV Colocación de productos Aeropuerto Transporte público Patrocinio de eventos deportivos Patrocinio de otros eventos Oficina de doctor Líneas libres 800/red regional Correos en casa Anotación de celebridad Publicidad en tienda Examen en tienda Promociones y ofertas especiales Muestras de producto Recomendaciones de amigos y familiares Recomendaciones de profesionales Video en demanda Video juegos Corriente continua de distribución de video TV interactiva Cuadro de texto espec.

BIBLIOTECA DE ELASTICIDAD DE RESPUESTA DE MERCADO DE FUENTES MÚLTIPLES. AJUSTADA POR "ACE" La optimización de respuesta de mercado (MRO) típicamente requiere estimados mejores, lineales, no desviados (BLUS) de parámetros de elasticidad de respuesta de recurso que se basan en datos que modalizan (1) la variación adecuada en niveles de recurso y mezcla, así como (2) observaciones de datos adecuadas.

En algunas modalidades, la instalación utiliza un método de 4 pasos para calcular estimados de BLUS de elasticidad utilizando datos de tercera parte de marca cruzada y recurso cruzado. En particular, en algunas modalidades, la instalación recupera datos de resultado y de controlador de cada uno de un número de fuentes de tercera parte, utilizando una plantilla predefinida para cada fuente para guiar la recuperación y trazo de estos datos de tercera parte. El método de 4 pasos utiliza metadatos ACE-L en combinación con datos de tercera parte en resultados y controladores que es consistente a través de clientes, a pesar de las diferencias en procedimientos de recolección y reporte de datos que pueden ser seguidas por diferentes clientes, en combinación adicional con los mejores métodos estadísticos para BLUS.

El valor y resultado es una base de datos comprensiva de elasticidades de marca cruzada, de medios cruzados, que se utiliza optimización de recurso. Toda esta metodología permite y mide (1) el efecto puro de gastos de recurso en resultados de ventas a través de una amplia escala de condiciones de marca cruzada y de recurso cruzado, y (2) los impactos de formas alternativas para definir "impactos de contenido" a través de clasificaciones de ACE-L.

En algunas modalidades, la instalación utiliza los datos de tercera parte recuperados junto con datos específicos de cliente sobre ventas o uno o más de otros resultados de negocios que se obtienen del cliente con el fin de generar distribuciones de recurso recomendadas para el cliente. En algunos casos, esto puede obviar la necesidad de recolectar datos de resultado y/o de controlador del cliente, por lo general ahorrando tiempo y recursos importantes.

Datos de Fuentes Múltiples Hay dos clases principales de datos para modelar resultados y controladores. Para modelación econométrica, el método ACE típicamente utiliza datos combinados de serie de tiempo y sección transversal.

Para la Biblioteca de Fuentes Múltiples (MSL) y resultados (variables dependientes), ACE utiliza una definición consistente de ingreso de ventas para las marcas/servicios en la biblioteca.

Para la Biblioteca de Fuentes Múltiples (MSL) y controladores de recurso, ACE utiliza una escala de variables independientes.

Paso 1: la instalación obtiene datos para estos controladores de proveedores de datos de tercera parte. Por ejemplo, la serie de datos en medios gastados durante un período de tiempo, ubicación de mercado y tipo de medios se puede obtener de fuentes de 1 o más fuentes de tercera parte. Las clases de datos incluyen economía, competencia, rastreo, fijación de precios, fondos de canal, personal de ventas, condiciones de almacenamiento al menudeo, comercialización fuera de línea así como ciertos datos de momento.

Típicamente, estas fuentes de datos de tercera parte (3PDS) tienen diferencias conocidas o bien entendidas con relación a datos de transacción de cliente específicos (errores en variables, ver más adelante). Sin embargo, estas diferencias generalmente se cree que son consistentes.

Las secciones transversales en la Biblioteca de Recursos Múltiples son consistentes con marcas/servicios, geografía y más. Se aplican los controladores de recurso 3PDS, definidos consistentemente, dentro y a través de los datos de biblioteca para las marcas, etc. Efectivamente, la instalación elimina la variación de datos debido a diferencias en definiciones de datos a través de marcas/clientes.

Parámetros Dinámicos Ajustados por ACE El método básico es definir Ventas = Tiempos de Volumen de Base (Recurso de Comercialización^ Parámetro de Elasticidad, en donde ? denota el exponente natural.

Ventas = (Base) * (Recurso) A (Delta) Para cada marca (es decir, registro de datos), la instalación define sus clasificaciones ACE en una escala de 1-5, para Afecto (A), Cognición (C) y Experiencia (E). También, en algunas modalidades, la instalación agrega un factor para el Mercado Local de Sensibilidad de Tiempo (L).

Paso 2: la instalación después extiende la modelación utilizando la siguiente especificación para determinar la elasticidad con respecto a la combinación de una sola m arca y un medio de comercialización individual: Parámetro de Elasticidad (Delta) = (cO + c1 * Afecto + c2 * Cognición + c3 * Experiencia +c4 * Local).

El coeficiente c0-c4 se determina utilziando un análisis de regresión de mínimos cuadrados. Cada registro (sección transversal) en la Biblioteca utiliza e incluye las clasificación de ACE-L.

Prácticamente, lo que esto significa es que el movimiento ascendente y descendente en la elasticidad debido a las características de marca, y la capacidad del tipo de medios para llevar el contenido relacionado con afecto, cognición y experiencia, es permitido.

Por ejemplo, el incremento de la clasificación de Afecto necesario para motivar al consumidor a su vez permitirá la elasticidad de medios de TV para incrementar esta situación contra otras marcas con objetivos de contenido diferentes. Los factores de alza para Impresión e Internet se incrementan con las necesidades de información. El alza para el Exterior, Radio y Periódico se incrementa con el foco de mercado local.

Estimación BLUS Completa de Elasticidades de Respuesta Los parámetros de elasticidad básicos o de núcleo, sin ACE-L, utilizan una formulación como sigue: Ecuación de núcleo: Ln(Ventas) = d1*Ln(Ventas Antes de período) + d2* Ln(Base) + Delta * Ln(Recurso) + Otro + Error Cada recurso extiende esta similitud de información. Otros factores que controlan "Delta" se describen en Compass®, incluyendo innovación.

Paso 3: la instalación substituye los ajustes ACE a esta Ecuación de Núcleo para reemplazar Delta. El resultado es una serie de efectos directos e "interacciones" con los componentes ACE, como controladores adicionales. Como un ejemplo: Componente Parcial de Ec. Núcleo = (CO * Ln (Recurso) + C1 * Afecto * Ln (recurso) etc. etc.) La estimación apropiada de estos parámetros directos y de interacción requiere que los datos y la formulación sean consistentes con ciertas reglas.

Una regla o suposición es que los términos de error son independientes e idénticamente distribuidos, iid, aunque · con variaciones similares.

Sin embargo, debido al diseño transversal, no serán satisfechos varios aspectos de las suposiciones de homogeneidad.

Esta condición es conocida como heteroescedasticidad.

Paso 4: para corregir la heteroescedasticidad, la instalación aplica tanto estimación de Mínimos Cuadrados Generalizados (GLS) utilizando Efectos Fijos como "cargas" correspondientes para las secciones transversales.

Otras reglas incluyen corregir la correlación en serie utilizando términos de retraso, incluyendo un resultado de negocio, tal como ventas, del período previo como una variable explicativa en la ecuación.

INTERFASE DE USUARIO En algunas modalidades, la instalación presenta una interfase de usuario para solicitar resultados de enrada de cliente y de presentación como parte del procedimiento ACE. Las Figuras 24-49 son diagramas de presentación mostrando una interfase de usuario típica presentada por la instalación con relación al procedimiento ACE.

La Figura 24 es una pantalla de entrada de cuenta utilizada por el usuario para obtener acceso a su cuenta.

La Figura 25 muestra una forma de crear compañía para introducir información de identificación sobre una nueva compañía de cliente.

La Figura 26 contiene controles 2601 para seleccionar la industria de cliente. La Figura 26 además incluye controles 2602 para seleccionar de entre varios tipos de datos disponibles de diferentes fuentes de tercera parte para ser utilizados en el análisis de ACE.

La Figura 27 incluye controles para crear y definir una variedad de estapas para el procedimiento ACE. La Figura 28 contiene controles para crear y definir uno o más proyectos para el cliente. La Figura 29 contiene controles para introducir datos de identificación sobre un proyecto particular.

La Figura 30 muestra controles utilizables para discernir el estado de recuperación de datos de diferentes fuentes, así como recuperación de datos de control de varias fuentes.

La Figura 31 muestra un reporte indicando las distribuciones de recurso reales para diferentes actividades de comercialización, así como los resultados de negocios reales. La Figura 32 es un reporte que muestra una distribución de recurso recomendada en comparación a la distribución de recurso real, así como también mostrando la diferencia esperada en resutados de negocios. La Figura 33 es un reporte que muestra distribución de recurso recomendada, asi como también resultados de negocio proyectados para posibles niveles diferentes de gasto de comercialización total.

La Figura 34 muestra un grupo de preguntas que serán respondidas por la técnica ACE.

La Figura 35 muestra un modelo de trayectoria directa en donde se entiende que diferentes actividades de comercialización dirigen el desempeño del negocio. La Figura 36 muestra un modelo de trayectoria indirecta en donde se entiende que ciertos tipos de comercialización dirigen búsqueda por Internet, lo cual a su vez dirige resultados de negocio. La Figura 37 presenta un aspecto analítico que aplica estos dos modelos conjuntamente.

La Figura 38 muestra la exactitud de medidas del modelo de trayectoria directa.

La Figura 39 muestra el impacto cuantitativo relativo, o "alza", de diferentes formas de actividades de comercialización. La Figura 40 muestra el grado cuantitativo al cual ciertas actividades de comercialización interactúan o sinergizan cuando se emplean conjuntamente. La Figura 41 muestra el efecto anticipado de un aumento en incremento en la distribución de una de las formas o comercialización .

La Figura 42 muestra ciertas conclusiones sobre los modelos de trayectoria directa e indirecta.

Las Figuras 43-48 muestran dos grupos de reportes para el mismo cliente, marca y período de tiempo. El primer grupo, intitulado "ESCENARIO 1", muestra distribuciones recomendadas con el fin de alcanzar un objetivo de ingreso particular con el gasto de comercialización total más pequeño posible. La Figura 43 muestra la distribución real, relativa al nivel real de ingreso. La Figura 44 muestra una distribución recomendada, comparada con la distribución real. La Figura 44 además muestra la diferencia esperada entre los resultados de negocio reales y los resultados de negocio pronosticados para la distribución recomendada. La Figura 45 muestra el nivel anticipado de resultados de negocio para cada uno de un número de niveles de gasto de comercialización total.

El segundo grupo de reportes, intitulado "ESCENARIO 2", muestra distribuciones que son optimizadas con el fin de incrementar al máximo el beneficio total. La Figura 46 muestra distribuciones reales. La Figura 47 muestra distribuciones recomendadas para el escenario 2 comparadas con la distribución real, así como una indicación de los resultados de negocio relativos esperados de la distribución recomendada. La Figura 48 muestra, para cada uno de un número de diferentes niveles de gasto de comercialización total, pero resultados de negocio esperados en ese nivel.

ESPECIFICACION AUTO ATIZADA. CALCULO. DESCUBRIMIENTO DE CONTROLADORES CAUSALES Y ELASTICIDADES DEL MERCADO O FACTORES DE ALZA La Figura 49 muestra conclusiones producidas por la instalación para el cliente.

En algunas modalidades, la instalación realiza un método para la especifiación automatizada de modelos, cálculo de elasticidades, y descubrimiento de controladores utilizando la estructura(s) aquí discutida.

La instalación primero obtiene los objetivos de cliente, negocios, y/o marca en términos de optimización de benficio, objetivos de volumen o ingreso, adquisición de nuevos clientes, retención de clientes, participación de cartera e incremento de ventas. Junto con estos objetivos, la instalación obtiene metadatos cruzados relacionados con la planeación de períodos, mercados, geografía, canales de comercio y segmentos de cliente. En combinación, los objetivos y metadatos definen la estructura de la pila de datos y el número de ecuaciones de generación de demanda que son necesarios. 1) Como se describe aquí, el grupo de datos de controlador incluye variables dentro y a través de clases de información funcional predefinidas. Estas clases incluyen condiciones económicas, clima y estacional, factores competitivos, innovación de producto, distribución, rastreo y conocimiento, indicadores de momento, precios, comunicaciones de mercado y los medios de publicidad principales tanto fuera de línea como en línea, datos de internet si es aplicable, fuerza de ventas, fondos de desarrollo de canal, y otros. 2) Fuentes de datos para el grupo de datos de controlador discutidas anteriormente se describen en un Diccionario de Datos. La instalación proporciona una forma para cargar, descargar y manejar el flujo externo e información de los análisis a medida que prosiguen. 3) Cada clase de datos incluye uno o más archivos de plantilla de datos estándar. Los metadatos dentro de cada archivo en cada registro proporcionan identificación del contenido de cada registro de datos. La instalación incluye un grupo de macros/procedimientos de Extraer, Transformar y Cargar (ETL). 4) Ls instalación ejecuta macros de ETL para construir una matriz de econometría lista (dimensiones n x k) y pila de datos. Típicamente, la pila de datos utiliza un diseño combinado de serie de tiempo y de sección transversal. Las filas son registros de datos (observaciones n); las columnas (k) son las variables de resultado y las variables de controlador. 5) La instalación codifica cada variable con su respectivo "papel" de clase. Un grupo de retrasos de tiempo relevantes y columnas adicionales de expresión en la pila también son pre- definidas para llevar variables retrasadas, tanto variables dependientes retrasadas como variables de controlador retrasadas. 6) La instalación utiliza un método para optimización jerárquico de 2 pasos. El paso 1 asegura estar de acuerdo con un grupo de reglas de negocio definidas más adelante. El paso 2 asegura confidencia estadística y estar de acuerdo con métodos mejores. 7) La instalación utiliza una clase de modelos econométricos descritos como multiplicativos. El ingreso de ventas se describe como una función de volumen base así como cada variable de controlador y su elasticidad asociada. Esta especificación incluye comercialización tanto fuera de línea como en línea y más. 8) Con el fin de calcular los parámetros de elasticidad, la instalación utiliza logaritmos naturales para transformar tanto las variables de resultado como las variables de controlador. La ecuación de regresión resultante después es lineal en los parámetros. Una pequeña constante se agrega a valores de cero en la base de datos. 9) El paso de trasformación en ETL realiza la transformación especificada y ensambla la pila de datos. La pila de datos contiene registros N de observaciones de datos y variables explicativas K. Cada variable de controlador candidata es un vector de columna. 10) La instalación utiliza un atécnica de mínimos cuadrados generalizada (GLS) para calcular los parámetros, incluyendo efectos fijos utilizando pesos de sección transversal. En algunas modalidades, la instalación apila múltiples ecuaciones; esto es conocido como Regresión Aparentemente Sin Relación (SUR, según siglas en inglés). En algunas modalidades, la instalación resuelve ecuaciones simultáneas utilizando 2SLS, 3SLS, o métodos de probabilidad máxima. 11) La instalación utiliza macros automatizados para conducir cada uno de los pasos presentados anteriormente, así como tablas y resultados gráficos. 12) La instalación utiliza un método de búsqueda de objetivos múltiples para seleccionar y recomendar la mejor especificación y cálculos de parámetro basándose en la siguiente jerarquía de objetivos: simplicidad, lógica de negocios, calidad estadística y estabilidad. Cada objetivo corresponde a un grupo de características. 13) Mantiendo otros factores iguales, la simplicidad significa que la instalación utiliza el grupo más pequeño de variables de controlador que proporcionan otros objetivos, significando que el número menos posible de variables de controlador siguen cubriendo la principales clases de controlador. 14) La lógica de negocios de núcleo es que la curva de respuesta de ventas es ya sea convexa (ganancia en incremento), cóncava (ganancia en disminución) o con formas de S. Estas condiciones están gobernadas por el valor de las elasticidades de respuesta. Se espera que la mayoría de los controladores, incluyendo publicidad, tengan una elasticidad menor que 1 (cóncava). Precios, promociones de precio, distribución y algunas variables económicas pueden tener una elasticidad mayor que 1 (convexa). Además, los signos numéricos en los controladores de recurso, excepto precio, deben ser positivos de acuerdo con la teoría microeconómica. También, la elasticidad de precio debe tener un signo negativo. 15) En algunas modalidades, la instalación incorpora un coeficiente no de cero en la ecuación calculada para más de una variable de controlador a partir de cada clase: La biblioteca de elasticidad utilizada por la instalación es una base de datos de modelos y elasticidades similares. La instalación también requiere que cualquier ecuación candidato y sus parámetros caigan dentro de la escala de normas de elasticidad a partir de la bibloteca de elasticidad para la marca asociada o metadatos de servicio. 16) La instalación mide la calidad estadística, es decir, nivel de confidencia, en varias dimensiones. Una es la ausencia de problemas estadísticos incluyendo correlación en serie, colinealidad y variaciones ampliamente diferentes (heteroescedasticidad). Un segundo indicador de calidad es el "ajuste" según medido mediante técnicas R**2. La calidad más importante mide la tendencia a ser la confiabilidad estadística individual de cada coeficiente de respuesta (es decir, altos valores t con bajos valores p correspondientes). 17) La instalación determina la estabilidad de los cálculos de parámetros utilizando una técnica de ventana recursiva, en donde se calcula un modelo de base utilizando un número mínimo de observaciones. Después, se agregan observaciones subsecuentes, una a la vez, y se determina la estabilidad del parámetro. Si se descubre inestabilidad, la instalación resalta el problema para la intervención del analista. 18) La instalación también conduce pruebas estándares para endogeneidad y causalidad, tales como la prueba de Hausman y la prueba de Granger. 19) El diagnóstico estadístico requerido incluye: Diagnóstico Estadístico Requerido R**2 >.7 valores t/valores p para coeficientes valores t > 1.65.0 ó- < -1.65 Durbin-Watson 1.85 - 2.05 Colinealidad Nivel aceptable Hausman pasa Granger pasa Raíces unitarias estacionaridad 20) Iteraciones de la instalación y búsqueda de Objetivo Marcom-Céntrico Para variables de controlador k, existen combinaciones k**2/2-1 de variables de controlador y ecuaciones correspondientes que serán calculadas, en donde se incluyen retrasos en k. La instalación conduce el cálculo y clasifiación de cada ecuación candidato y "registra" el candidato relativo a las reglas anteriores.

Suponiendo estar de acuerdo con las reglas de confidencia de negocios y estadísticas, la instalación seleccionará y recomendará una ecuación final con los mejores valores t posibles para los componentes principales de Marcom (fuera de línea, en línea), los cuales son consistentes con "normas" y metadatos de biblioteca de elasticidad correspondientes.

Se apreciará por aquellos expertos en la técnica que la instalación antes descrita puede adaptarse o extenderse directamente en varias formas.

Claims (20)

REIVINDICACIONES

1. - Un método en un sistema de cómputo para construir una ecuación de generación de demanda para pronosticar el nivel de demanda para una oferta que será generada al distribuir niveles particulares de recursos a diferentes actividades de comercialización, que comprende: recibir una pluralidad de observaciones de un usuario; para por lo menos dos de la pluralidad de observaciones: para cada una de una pluralidad de variables de controlador candidato, recuperar un valor para la variable de controlador candidato ya que se refiere a la observación; para cada una de por lo menos una variable de resultado, recuperar un valor para la variable de resultado ya que se refiere a la observación; utilizar los valores de variable recuperados para las observaciones, calculando una ecuación que relaciona las variables de controlador candidato con la variable de resultado para producir coeficientes para cada una de las variables de controlador candidato; y conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada.

2. - El método de acuerdo con la reivindicación 1, en donde el cálcula se realiza utilizando una técnica de mínimos cuadrados generalizada.

3. - El método de acuerdo con la reivindicación 1, en donde cada una de las variables de controlador candidato cae en una clase de variable de controlador candidato, y en donde el cálculo se realiza bajo la restricción de que por lo menos una variable de controlador candidato en cada clase de variable de controlador candidato debe tener un coeficiente que no sea de cero.

4. - El método de acuerdo con la reivindicación 1, en donde el paso de conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada comprende verificar de acuerdo con al menos dos reglas de confidencia de negocios o estadística pre-determinadas.

5. - El método de acuerdo con la reivindicación 4, que además comprende aplicar la ecuación calculada a los valores de variable de controlador candidato y valores de variable de resultado que no están entre aquellos recuperados para validar la ecuación calculada.

6. - El método de acuerdo con la reivindicación 4, en donde el paso de conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada además comprende requerir que la ecuación calculada caiga dentro de la escala de normas de elasticidad a partir de una biblioteca de elasticidad.

7. - Un medio legible por computadora cuyos contenidos hacen que un sistema de cómputo realice un método para construir una ecuación de generación de demanda para pronosticar el nivel de demanda para una oferta que será generada al distribuir niveles particulares de recursos a diferentes actividades de comercialización, el método comprende: recibir una pluralidad de observaciones de un usuario; para por lo menos dos de la pluralidad de observaciones: para cada una de una pluralidad de variables de controlador candidato, recuperar un valor para la variable de controlador candidato ya que se refiere a la observación; para cada una de por lo menos una variable de resultado, recuperar un valor para la variable de resultado ya que se refiere a la observación; utilizar los valores de variable recuperados para las observaciones, calculando una ecuación que relaciona las variables de controlador candidato con la variable de resultado para producir coeficientes para cada una de las variables de controlador candidato; y conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada.

8.- El medio de acuerdo con la reivindicación 7, en donde el cálcula se realiza utilizando una técnica de mínimos cuadrados generalizada.

9.- El medio de acuerdo con la reivindicación 7, en donde el cálculo se realiza al apilar múltiples ecuaciones de acuerdo con la ténica de Regresión Aparentemente Sin Relación o al resolver ecuaciones simultáneas utilizando 2SLS, 3SLS, o métodos de máxima probabilidad.

10.- El medio de acuerdo con la reivindicación 7, en donde cada una de las variables de controlador candidato cae en una clase de variable de controlador candidato, y en donde el cálculo se realiza bajo la restricción de que por lo menos una variable de controlador candidato en cada clase de variable de controlador candidato debe tener un coeficiente que no sea de cero.

11. - El medio de acuerdo con la reivindicación 7, en donde el paso de conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada comprende verificar de acuerdo con al menos dos reglas de confidencia de negocios o estadística pre-determinadas.

12. - El medio de acuerdo con la reivindicación 7, que además comprende aplicar la ecuación calculada a los valores de variable de controlador candidato y valores de variable de resultado que no están entre aquellos recuperados para validar la ecuación calculada.

13.- El medio de acuerdo con la reivindicación 7, en donde el paso de conducir diagnóstico estadístico en la ecuación calculada para validar la ecuación calculada además comprende requerir que la ecuación calculada caiga dentro de la escala de normas de elasticidad a partir de una biblioteca de elasticidad.

14. Una o más memorias de computadora que colectivamente almacenan una estructura de datos de ecuación de generación de demanda para pronosticar el nivel de demanda para una oferta que será generada al distribuir niveles particulares de recursos a diferentes actividades de comercialización, la estructura de datos de ecuación de generación de demanda que comprende: una pluralidad de observaciones de un usuario; para por lo menos dos de la pluralidad de observaciones: una pluralidad de variables de controlador candidato, y un valor para la variable de controlador candidato ya que se refiere a la observación; por lo menos una variable de resultado, y un valor para la variable de resultado ya que se refiere a la observación; una ecuación de generación de demanda que relaciona las variables de controlador candidato con las variables de resultado para producir coeficientes para cada una de las variables de controlador candidato, en donde la ecuación de generación de demanda se calcula utilizando los valores de variable recuperados para las observaciones; coeficientes para cada una de las variables de controlador candidato; y por lo menos dos resultados de diagnóstico estadístico generados de la conducción de diagnóstico estadístico en la ecuación de generación de demanda para validar la ecuación de generación de demanda.

15.- Una o más memorias de computadora que colectivamente almaenan una estructura de datos de ecuación de generación de demanda para pronosticar el nivel de demanda para una oferta que será generada al distribuir niveles particulares de recursos para diferentes actividades de comercialización de la reivindicación 13, la estructura de datos de ecuación de generación de demanda además comprende una biblioteca de elasticidad.

16. - Un método en un sistema de cómputo para construir una ecuación de generación de demanda, que comprende: recibir una pluralidad de observaciones de un usuario; para por lo menos dos de la pluralidad de observaciones crear una pila de datos que comprende observaciones de datos y variables explicativas al: recuperar un valor para una variable de controlador candidato ya que se refiere a la observación; y recuperar un valor para una variable de resultado ya que se refiere a la observación, calcular una ecuación de generación de demanda que relaciona la variable de controlador candidato con la variable de resultado para producir coeficientes para la variable de controlador candidato utilizando el valor de variable recuperado para las observaciones; y conducir diagnóstico estadístico en la ecuación de generación de demanda para validar la ecuación de generación de demanda.

17. - El método de acuerdo con la reivindicación 16, en donde el cálculo se realiza utilizando una técnica de mínimos cuadrados generalizada.

18. - El método de acuerdo con la reivindicación 16, en donde cada una de las variables de controlador candidato cae en una clase de variable de controlador candidato, y en donde el cálculo se realiza bajo la restricción de que por lo menos una variable de controlador candidato en cada clase de variable de controlador candidato debe tener un coeficiente que no es de cero.

19. - El método de acuerdo con la reivindicación 16, que además comprende aplicar la ecuación calculada a los valores de variable de controlador candidato y valores de variable de resultado no entre aquellos recuperados para validar la ecuación de generación de demanda.

20. - El método de acuerdo con la reivindicación 16, en donde el paso de conducir diagnóstico estadístico en la ecuación de generación de demanda para validar la ecuación de generación de demanda además comprende requerir que la ecuación de generación de demanda caiga dentro de la escala de normas de elasticidad a partir de una biblioteca de elasticidad.