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
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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