¿Qué es adstock en marketing mix modeling?
Adstock es un concepto que se usa comúnmente en el modelo de mezcla de marketing (MMM) para tener en cuenta los efectos de arrastre de la publicidad.
Adstock se refiere a la cantidad de impacto residual que tiene un anuncio en el comportamiento del consumidor incluso después de que el anuncio ha dejado de publicarse. Es importante comprender el material publicitario cuando se construyen los MMM. Esto se debe a que el stock publicitario en el modelo de mezcla de marketing puede ayudar a los especialistas en marketing a estimar con precisión el impacto a largo plazo de sus esfuerzos publicitarios.
1. ¿Porque es Adstock importante para los MMM?
Los marketing mix models implican analizar el impacto de diversas actividades de marketing en el comportamiento del consumidor, como las ventas o el tráfico del sitio web. Adstock es importante en los MMM porque ayuda a tener en cuenta el impacto a largo plazo de la publicidad. Por ejemplo, un anuncio de un producto puede continuar influyendo en el comportamiento del consumidor incluso después de que el anuncio haya dejado de publicarse, debido al conocimiento residual de la marca u otros factores. Al incluir material publicitario en los MMM, los especialistas en marketing pueden estimar con mayor precisión el impacto a largo plazo de sus esfuerzos publicitarios y optimizar su combinación de marketing en consecuencia.
2. Ejemplo de un Adstock: Cálculo usando Weibull PDF, Weibull CDF y funciones geométricas:
1. Weibull PDF:
Una forma de calcular el stock publicitario es mediante la función de densidad de probabilidad de Weibull (PDF). La PDF de Weibull es una función de distribución de uso común en la ingeniería de confiabilidad y también se puede aplicar al modelado de acciones publicitarias. La fórmula para el PDF de Weibull es:
f(t) = (k/λ) * (t/λ)^(k-1) * e^(-(t/λ)^k)
Dónde:
– f(t) es la función de densidad de probabilidad de la distribución de Weibull en el tiempo t
– k es el parámetro de forma, que controla la forma de la distribución
– λ es el parámetro de escala, que controla la ubicación de la distribución
Ventajas:
– Weibull PDF es una función de distribución flexible y versátil que se puede utilizar para modelar una amplia gama de fenómenos, incluido el material publicitario.
– Proporciona una descripción detallada de cómo cambia la probabilidad de impacto residual a lo largo del tiempo, lo que puede ser útil para comprender la dinámica del stock publicitario.
Desventajas:
– El PDF de Weibull requiere el ajuste de dos parámetros (k y λ) a los datos, lo que puede ser computacionalmente intensivo y puede requerir una gran cantidad de datos para obtener estimaciones precisas.
– La PDF de Weibull asume que la probabilidad de impacto residual disminuye monótonamente con el tiempo, lo que puede no ser siempre el caso en la práctica.
2. Weibull CDF:
Otra forma de calcular el stock publicitario es mediante el uso de la función de distribución acumulativa (CDF) de Weibull. La CDF de Weibull describe la probabilidad de que ocurra un impacto residual antes o en un momento dado t. La fórmula para el CDF de Weibull es:
F(t) = 1 – e^(-(t/λ)^k)
Ventajas:
– Weibull CDF proporciona una forma simple e intuitiva de modelar el stock publicitario, ya que describe la probabilidad de que ocurra un impacto residual dentro de un marco de tiempo determinado.
– Es relativamente fácil ajustar la CDF de Weibull a los datos, ya que solo requiere estimar los dos parámetros (k y λ).
Desventajas:
– La CDF de Weibull asume que la probabilidad de impacto residual disminuye monótonamente con el tiempo, lo que puede no ser siempre el caso en la práctica.
– Proporciona menos información sobre la dinámica de adstock en comparación con el PDF de Weibull.
3. Geometric Function
La función geométrica es una forma simple y de uso común para modelar material publicitario. La función geométrica asume que la probabilidad de impacto residual disminuye exponencialmente con el tiempo. El único parámetro que necesita ser estimado para la función geométrica es λ.
La fórmula de la función geométrica es:
f(t) = exp(-λt)
Ventajas:
- La función geométrica es sencilla de estimar e interpretar, ya que solo requiere un único parámetro (λ).
Asume que la probabilidad de impacto residual disminuye exponencialmente con el tiempo, lo cual es una suposición razonable en muchos casos.
Desventajas:
- La función geométrica supone que la probabilidad de impacto residual disminuye exponencialmente con el tiempo, lo que puede no ser siempre el caso en la práctica.
- Proporciona menos información sobre la dinámica del stock publicitario en comparación con las funciones de Weibull.
En conclusión, Adstock es un concepto esencial en los MMM que ayuda a los especialistas en marketing a estimar con precisión el impacto a largo plazo de sus esfuerzos publicitarios. Hemos explorado cómo se puede calcular el stock publicitario utilizando tres funciones diferentes.
¿Quiere obtener más información sobre Adstock en los marketing mix models?
¡Contáctanos o síguenos en Linkedin!
