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...
- 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
id |
REPOUNORT2_5bf6786e2f28bb27accff7592e01b8bf |
---|---|
oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/9344 |
network_acronym_str |
REPOUNORT2 |
network_name_str |
Repositorio Uninorte |
repository_id_str |
|
dc.title.es_ES.fl_str_mv |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
dc.title.en_US.fl_str_mv |
Design of a dynamic programming model to optimize the distribution of the advertising budget in B2B companies |
title |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
spellingShingle |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B 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 |
title_short |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
title_full |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
title_fullStr |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
title_full_unstemmed |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
title_sort |
Diseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2B |
dc.creator.fl_str_mv |
Cárdenas, Andrés Ricardo Cardozo, Aneth Gutierrez, Jose Salazar, Valentina |
dc.contributor.advisor.none.fl_str_mv |
Rojas, Miguel |
dc.contributor.author.none.fl_str_mv |
Cárdenas, Andrés Ricardo Cardozo, Aneth Gutierrez, Jose Salazar, Valentina |
dc.subject.es_ES.fl_str_mv |
Publicidad Campaña publicitaria Marketing Modelo matemático Regresión dinámica Regresión logística Regresión lineal Markov Cadenas de markov Distribución de presupuesto Solver Arena Excel |
topic |
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 |
dc.subject.en_US.fl_str_mv |
Marketing advertising advertising campaign mathematical model Markov chains dynamic regression linear regression Markov budget distribution Excel Solver |
description |
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. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2020-12-03T15:51:27Z |
dc.date.available.none.fl_str_mv |
2020-12-03T15:51:27Z |
dc.date.issued.none.fl_str_mv |
2020-11-25 |
dc.type.es_ES.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/9344 |
url |
http://hdl.handle.net/10584/9344 |
dc.language.iso.es_ES.fl_str_mv |
spa |
language |
spa |
dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2020 |
institution |
Universidad del Norte |
bitstream.url.fl_str_mv |
http://manglar.uninorte.edu.co/bitstream/10584/9344/6/espa%c3%b1oll.PNG http://manglar.uninorte.edu.co/bitstream/10584/9344/7/ingless.PNG http://manglar.uninorte.edu.co/bitstream/10584/9344/8/espa%c3%b1oll.pdf http://manglar.uninorte.edu.co/bitstream/10584/9344/9/ingless.pdf http://manglar.uninorte.edu.co/bitstream/10584/9344/10/license.txt |
bitstream.checksum.fl_str_mv |
ef2ba8ea3a2d36c523486f13641ea230 25a605407a0e728127c12c780dc75296 f67723e46ffa64a8c331ba8027d2f129 94f3f4b3ec07610454d69a528aa550e0 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
_version_ |
1812183125548072960 |
spelling |
Rojas, MiguelCárdenas, Andrés RicardoCardozo, AnethGutierrez, JoseSalazar, Valentina2020-12-03T15:51:27Z2020-12-03T15:51:27Z2020-11-25http://hdl.handle.net/10584/9344En 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.This project seeks to determine what is the best way to distribute the advertising budget of any company, using social networks. To do this, companies today rely on empirical knowledge, or trial and error. For this reason, it is necessary that they make use of a tool or model that allows them to answer the questions Where? How much? and when? You must invest in advertising in a way that maximizes the acquisition of potential customers (Leads). Therefore, we have designed a resource allocation model for B2B companies, using Carvajal Tecnología y Servicios SAS as a case study. Our proposal is a dynamic programming model that uses logistic regression, linear regression and Markov chains, based on historical data. Before solving the model, the Markov chains were simulated in the Arena software, in order to better understand the behavior of user interaction with advertisements. Subsequently, we use Excel's Solver tool to solve the dynamic programming model, varying the investment values for each period t, product i and platform j, subject to the following restrictions: 1) Total investment less than budget, 2) Investment in period t less equal to double the investment in period t-1, 3) Minimum requirement of leads per channel, 4) Priority between products, and 5) Minimum investment per period and product regardless of the channel. As a result, for a budget of $ 24,000,000 applied in a period of 4 weeks, with the proposed model, 809 leads were obtained vs. 559 with the current method, representing a 40% increase in leads.spaBarranquilla, Universidad del Norte, 2020Universidad del Nortehttp://purl.org/coar/access_right/c_abf2PublicidadCampaña publicitariaMarketingModelo matemáticoRegresión dinámicaRegresión logísticaRegresión linealMarkovCadenas de markovDistribución de presupuestoSolverArenaExcelMarketingadvertisingadvertising campaignmathematical modelMarkov chainsdynamic regressionlinear regressionMarkovbudget distributionExcelSolverDiseño de un modelo de programación dinámica para optimizar la distribución del presupuesto publicitario en empresas B2BDesign of a dynamic programming model to optimize the distribution of the advertising budget in B2B companiesarticlehttp://purl.org/coar/resource_type/c_6501ORIGINALespañoll.PNGespañoll.PNGimage/png11569http://manglar.uninorte.edu.co/bitstream/10584/9344/6/espa%c3%b1oll.PNGef2ba8ea3a2d36c523486f13641ea230MD56ingless.PNGingless.PNGimage/png11311http://manglar.uninorte.edu.co/bitstream/10584/9344/7/ingless.PNG25a605407a0e728127c12c780dc75296MD57españoll.pdfespañoll.pdfapplication/pdf10346http://manglar.uninorte.edu.co/bitstream/10584/9344/8/espa%c3%b1oll.pdff67723e46ffa64a8c331ba8027d2f129MD58ingless.pdfingless.pdfapplication/pdf10182http://manglar.uninorte.edu.co/bitstream/10584/9344/9/ingless.pdf94f3f4b3ec07610454d69a528aa550e0MD59LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://manglar.uninorte.edu.co/bitstream/10584/9344/10/license.txt8a4605be74aa9ea9d79846c1fba20a33MD51010584/9344oai:manglar.uninorte.edu.co:10584/93442020-12-03 10:51:27.921Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |