利用基于代理的模型深入模拟营销策略

‍

营销组合模型（MMM）是衡量、理解和模拟营销战略的非常有用的工具。经典的 MMM 方法虽然是一个很好的起点，但缺乏深入研究营销战略的能力。通过模拟虚构但具有代表性的消费者的行为，基于代理的模型（ABM）可以将额外的营销活动特征整合到模型中。在本系列文章中，我们将重点介绍此类应用的一些实例。

‍

目标定位战略

在特定媒体接触点上播出的所有活动并不一定针对相同的人群。然而，在传统的 MMM 中，针对 X 人群投放 10 万次广告的广告 A 将与针对 Y 人群投放 10 万次广告的广告 B 完全相同，因此无法确定哪种策略最好。在 ABM 中，在某些条件下，这两个营销活动会被区别对待。这样做的条件是，代理商的特征定义与广告活动的目标标准以及人们的媒体消费习惯相匹配。例如，如果一项活动根据地理位置锁定目标人群，我们就必须能够为每个代理赋予地理位置属性，并整合将媒体消费与地理位置联系起来的研究。另一个例子是针对住在商店附近的人，而不是对类似产品感兴趣的人，这在 ABM 中是可以做到的。

‍

如果满足了这些条件，我们就可以只向模拟的目标受众播放每个营销活动，从而相应地修改他们的行为。

然后，在模型训练过程中，将根据许多不同的关键绩效指标（周转率、保真度、频率、唯一买家）和专家知识，按照现有的不同粒度水平对参数进行校准。我们掌握的历史数据越精细，校准就越容易。当然，我们并不需要消费者层面的媒体和消费数据。我们将利用开放数据和市场研究，如 TGI Kantar 数据。这就是 ABM 的作用：模拟这种粒度水平。一旦校准，我们就可以衡量和模拟目标营销策略的贡献。 

‍