Le potenzialità dei modelli basati sugli agenti (ABM) per il marketing

Sistemi multi-agente (SMA/ABM) :‍

I sistemi multi-agente (o Agent Based Model) sono modelli in cui i soggetti interagiscono tra loro. Tali entità, o "agenti", possono rappresentare dei consumatori, dei punti vendita o anche delle grandi superfici, ognuna delle quali ha le proprie caratteristiche e i propri comportamenti. Gli agenti reagiscono ai cambiamenti del loro ambiente in base a regole di comportamento definite, consentendo di simulare scenari reali. Questi sistemi sono già ampiamente utilizzati in settori come l'epidemiologia, la gestione del traffico o le scienze sociali, e permettono di raggiungere un livello di precisione che i modelli puramente matematici spesso non riescono a raggiungere.

Ad esempio, durante la pandemia di COVID-19, i modelli matematici SIR (Susceptible, Infectious, Recovered) hanno aiutato a comprendere la propagazione dell'epidemia basandosi su parametri comuni come il coefficiente di replicazione del virus. Tuttavia, questi modelli non consentono di identificare in modo ottimale le azioni da intraprendere per ridurre tale coefficiente. In parallelo, gli ABM hanno offerto un approccio per simulare l'impatto delle diverse politiche sanitarie, rispondendo così a questa limitazione. Permettono di simulare una popolazione di agenti che rappresentano diversi individui in diversi atri e luoghi pubblici, per osservare direttamente le interazioni e testare gli effetti di diverse politiche sanitarie. Si possono così identificare le interazioni critiche e modellare scenari reali con agenti più o meno rispettosi delle regole. Questo tipo di modellizzazione, per quanto complessa da realizzare, offre prospettive preziose in materia di decisioni strategiche.

Applicazione dell'ABM nel marketing :‍

Nel marketing, i sistemi multi-agente possono evidenziare alcuni limiti dei modelli attuali. I modelli di Mix Marketing Modeling (MMM), pur essendo efficaci, sono spesso incapaci di adattarsi rapidamente a cambiamenti importanti, mentre i modelli di attribuzione perdono in precisione a causa delle restrizioni legate ai cookie tiers. Gli ABM, invece, si adattano a una grande varietà di problemi e permettono di simulare l'impatto di scenari come una riallocazione del budget dei media televisivi verso altri canali.

Sebbene questi modelli siano tecnicamente complessi, la loro accessibilità è aumentata con i progressi della capacità di calcolo e dell'intelligenza artificiale generativa, facilitando il loro sviluppo. In questo numero cinquantacinque, ci occupiamo in particolare dell'utilizzo dell'ABM nell'ambito del MMM e sviluppiamo le tecnologie avanzate basate su ricerche scientifiche e su lavori di ricerca interni (link ai diversi lavori in basso in questo articolo).

Studio di caso: Modello di scelta del prezzo‍

Immaginiamo che un cinema voglia determinare il prezzo ottimale per i suoi pacchetti di popcorn. Un modello ABM permette di esplorare gli impatti di diversi scenari, ad esempio regolando il prezzo delle bottiglie o creando offerte combinate. Il nostro modello ABM permette di simulare il comportamento dei clienti di fronte alle variazioni di prezzo, al fine di individuare i migliori aggiustamenti di prezzo o di identificare il prezzo ideale per le nuove offerte.

Il modello non ha come obiettivo quello di prevedere il numero di clienti potenziali in ogni istante, ma di simulare le scelte che questi clienti possono fare. Gli agenti, che rappresentano i clienti, prendono decisioni influenzate da alcuni fattori psicologici, come l'avversione per la perdita. Con i parametri migliori, si ottiene una ripartizione delle parti di vendita paragonabile alla realtà. Una volta calibrato, il modello consente inoltre di ottimizzare la strategia regolando i prezzi e le offerte in modo da incitare implicitamente i clienti a scegliere il prodotto desiderato, consentendo così di aumentare il fatturato.‍

‍

‍
Gli ABM offrono un approccio innovativo per ottimizzare le decisioni strategiche delle imprese, in particolare nel marketing. Pur richiedendo una competenza e una conoscenza approfondita del settore di attività, questi modelli consentono di adattare le strategie alle evoluzioni del mercato e alle azioni dei concorrenti. Ad esempio, se un concorrente modifica il prezzo o la qualità del suo prodotto, il modello può simulare la migliore reazione da adottare. Tuttavia, queste simulazioni devono essere interpretate con prudenza, tenendo conto dei limiti pratici e degli aspetti, come l'immagine del marchio, che possono influenzare i risultati.