Approfondite le simulazioni della vostra strategia di marketing con i modelli basati su agenti

‍

I modelli di marketing mix (MMM) sono strumenti molto utili per misurare, comprendere e simulare le strategie di marketing. Sebbene siano un buon punto di partenza, i classici approcci MMM non hanno la capacità di approfondire la strategia di marketing. Simulando il comportamento di consumatori fittizi ma rappresentativi, i modelli basati su agenti (ABM) consentono di integrare nel modello ulteriori caratteristiche della campagna. In questa serie di post, metteremo in evidenza alcuni esempi di applicazioni di questo tipo.

‍

Strategie di targeting

Tutte le campagne trasmesse su un determinato touchpoint mediatico non si rivolgono necessariamente alla stessa popolazione. Tuttavia, nel MMM classico, una campagna A con 100k impressioni che raggiunge la popolazione X sarà trattata esattamente come la campagna B con 100k impressioni e che raggiunge la popolazione Y, rendendo impossibile decidere quale sia la strategia migliore. In ABM, a determinate condizioni, le due campagne saranno trattate in modo diverso. Le condizioni per farlo sono che la definizione delle caratteristiche dell'agente corrisponda ai criteri di targeting della campagna e alle abitudini di consumo mediatico delle persone. Per esempio, se una campagna si rivolge alle persone in base alla loro geolocalizzazione, dobbiamo essere in grado di attribuire una geolocalizzazione a ciascun agente e di integrare gli studi che collegano il consumo di media alla geolocalizzazione. Un altro esempio è quello di rivolgersi a persone che vivono vicino a un negozio piuttosto che a persone che hanno mostrato interesse per prodotti simili, cosa che è possibile fare in ABM.

‍

Se queste condizioni sono soddisfatte, possiamo trasmettere ogni campagna solo al pubblico target simulato, che modificherà il suo comportamento di conseguenza.

Poi, durante l'addestramento del modello, i parametri saranno calibrati rispetto a molti KPI diversi (fatturati, fedeltà, frequenza, acquirenti unici) e alle conoscenze degli esperti a diversi livelli di granularità in base a ciò che è disponibile. Quanto più granulari sono i dati storici a disposizione, tanto più facile sarà la calibrazione. Ma naturalmente non abbiamo bisogno di dati sui media e sul consumo a livello di consumatore. Sfrutteremo invece i dati aperti e gli studi di mercato, come quelli di TGI Kantar. Questo è il ruolo dell'ABM: simulare questo livello di granularità. Una volta calibrato, si può misurare e simulare il contributo di strategie di marketing mirate. 

‍