Sistemi multi-agente (ABM): comprendere e simulare il comportamento dei singoli per applicarlo al marketing

Che cos'è un modello basato sull'agente?

Come dice il nome, un ABM si basa innanzitutto su degli agenti. Un agente è una persona fittizia, autonoma, con una razionalità limitata. Ogni agente agisce nell'ambiente in funzione di ciò che ritiene essere nel suo interesse. Il processo decisionale è regolato da un insieme di regole definite dal data scientist alla luce di discussioni con esperti del settore di applicazione. Un ABM viene inoltre creato a partire da un gran numero di agenti (si può ad esempio considerare l'insieme dei francesi) che possono interagire tra loro e possono essere esposti a un contesto.

Per comprendere meglio le ABM prendiamo due esempi di applicazioni:

Il primo è il modello di crescita di Schelling, sviluppato dall'economista Thomas Schelling. L'obiettivo di questo modello è comprendere la separazione nella società. Questo modello semplice considera due tipi di agenti, gli agenti di tipo A e gli agenti di tipo B. I due tipi di agenti non esistono nelle stesse proporzioni, in genere si prende il 20% del tipo A e l'80% del tipo B. Ogni agente è inoltre collocato su una griglia di dimensioni sufficienti a lasciare liberi i posti. Disegnando un cerchio blu per l'agente A e rosso per l'agente B, si ottiene lo stato iniziale seguente:

Il processo di decisione di un agente è quindi il seguente:

• Se c'è un numero sufficiente di agenti dello stesso tipo di quello del sien nel suo territorio (chiamato omofilia), allora l'agente è felice,
• Sinon, il déménage de manière aléatoire dans un endroit libre

Il voisinage è definito da 8 casi intorno all'agente (o meno se l'agente è su un bordo). Il modello deve inoltre fissare un certo livello di omofilia e poi lasciare che gli agenti agiscano fino a quando più persone non si allontanano. Si potrà così osservare il livello di separazione finale in funzione del livello di omofilia di ingresso.

Le simulazioni dimostrano che, anche se con livelli di omofilia bassi (almeno 3 persone dello stesso tipo), si arriva a rappresentazioni con una forte separazione:

Un secondo caso di applicazione, di cui ci occupiamo meno, è la diffusione della pandemia. Si può quindi definire un gran numero di agenti rappresentativi di una popolazione con alcuni agenti infetti e altri sani. Le caratteristiche degli agenti possono anche tenere conto di molti altri parametri come l'età, il luogo di vita, il livello di salute, i precedenti medici, ecc. Ogni agente può inoltre spostarsi, incontrare i suoi vicini e quindi trasmettere il virus, rimettersi al virus, essere infettato, dover essere ricoverato in ospedale, ecc. È inoltre possibile mettere in atto fattori esterni che possono influenzare il comportamento degli agenti, come ad esempio il porto di una maschera obbligatoria, l'interdizione al trasferimento, la vaccinazione, ecc. Ciò consente di studiare la diffusione di un virus in funzione del suo livello di contaminazione e delle direttive adottate dal governo. Questi modelli sono molto studiati e utilizzati in questo momento.

Quali applicazioni per il marketing?

Esistono due grandi modalità di utilizzo delle ABM. La prima, come illustrato negli esempi precedenti, consiste nel comprendere un ambiente e l'impatto di diversi scenari ipotetici in tale ambiente. Si possono quindi testare valori diversi per i parametri del modello e osservarne le conseguenze. La seconda consiste nel riprodurre un ambiente esistente per comprenderlo. Per quanto riguarda il marketing, si può cercare di comprendere il processo di acquisto di un utente in funzione della strategia di marketing dell'impresa e della strategia di concorrenza. Il modello contiene inoltre numerosi parametri (la probabilità di essere esposti a una pubblicità su un canale, l'impatto della pubblicità sul processo decisionale dell'agente su ciascun canale). Si ottengono quindi modelli molto complessi con numerosi parametri la cui scelta può avere un forte impatto sui risultati finali, come il fatturato dell'impresa e l'immagine del marchio. Per valutare la coerenza del modello e verificare che esso permetta di cogliere correttamente i comportamenti degli individui all'interno del mercato, è necessario passare per una fase di calibrazione. Questa fase consiste nel trovare i parametri migliori in modo da ottenere simulazioni che rispecchino i risultati dell'azienda. Per questo è necessario innanzitutto scegliere i parametri iniziali, poi simulare il comportamento degli agenti e infine confrontarli con i risultati effettivi. Si possono poi testare altri parametri e confrontarli nuovamente, fino a ottenere un livello di scarto sufficientemente basso tra la simulazione e la realtà.

Questo processo è molto dispendioso in termini di tempo di calcolo, il che ha portato a semplificare a lungo i modelli per limitare il numero di parametri. Oggi il cloud computing permette di calibrare più facilmente i modelli e quindi di ottenere risultati molto più significativi e attivabili per le imprese.

Inoltre, è anche possibile sviluppare ABM più semplici per rispondere a una domanda precisa. In un'altra serie di articoli verranno sviluppati i casi d'uso seguenti: quando lanciare una campagna di comunicazione massiccia dopo la commercializzazione di un nuovo prodotto? Come gestire il livello di promozione al termine del tempo per massimizzare il margine?

Conclusione

Le applicazioni dell'ABM al marketing sono quindi molto promettenti e particolarmente adatte al contesto attuale. In effetti, è sempre più difficile ottenere informazioni complete sui comportamenti dei consumatori. Le ABM permettono quindi di simulare questi comportamenti in modo da riqualificare il mercato e quindi di misurare, comprendere e simulare le conseguenze di diverse strategie.