Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B

En este proyecto se busca determinar cuál es la mejor forma de distribuir el presupuesto publicitario de cualquier empresa, utilizando las redes sociales. Para llevar a cabo esto, actualmente las compañías se basan en su conocimiento empírico, o en el ensayo y error. Por esto es necesario que hagan...

Full description

Autores:
Cárdenas, Andrés Ricardo
Cardozo, Aneth
Gutierrez, Jose
Salazar, Valentina
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/9344
Acceso en línea:
http://hdl.handle.net/10584/9344
Palabra clave:
Publicidad
Campaña publicitaria
Marketing
Modelo matemático
Regresión dinámica
Regresión logística
Regresión lineal
Markov
Cadenas de markov
Distribución de presupuesto
Solver
Arena
Excel
Marketing
advertising
advertising campaign
mathematical model
Markov chains
dynamic regression
linear regression
Markov
budget distribution
Excel
Solver
Rights
License
Universidad del Norte
Description
Summary:En este proyecto se busca determinar cuál es la mejor forma de distribuir el presupuesto publicitario de cualquier empresa, utilizando las redes sociales. Para llevar a cabo esto, actualmente las compañías se basan en su conocimiento empírico, o en el ensayo y error. Por esto es necesario que hagan uso de una herramienta o modelo que les permita responder a las preguntas ¿Dónde? ¿Cuánto? y ¿Cuándo? debe invertir en publicidad de tal forma que maximice la obtención de clientes potenciales (Leads). Por ello, hemos diseñado un modelo de asignación de recursos para empresas B2B, utilizando como caso de estudio a Carvajal Tecnologías y Servicios SAS. Nuestra propuesta es un modelo de programación dinámica que utiliza regresión logística, regresión lineal y cadenas de Márkov, fundamentado en datos históricos. Previo a la solución del modelo, se simuló en el software Arena las cadenas de Márkov, con el objetivo de conocer mejor el comportamiento de la interacción del usuario con los avisos publicitarios. Posteriormente, utilizamos la herramienta Solver de Excel, para solucionar el modelo de programación dinámica, variando los valores de inversión para cada periodo t, producto i y plataforma j, sujeto a las siguientes restricciones: 1) Inversión total menor igual al presupuesto, 2) Inversión en periodo t menor igual al doble de la inversión en el periodo t-1, 3) Requerimiento mínimo de leads por canal, 4) Prioridad entre productos, y 5) Inversión mínima por periodo y producto independientemente del canal. Como resultado, para un presupuesto de $24.000.000 aplicado en un periodo de 4 semanas, con el modelo propuesto se obtuvieron 809 leads vs. 559 con el método actual, representando un incremento del 40% en clientes potenciales.