因果驱动和市场响应弹性或提升因素的自动规范、估计和发现的制作方法

专利名称：因果驱动和市场响应弹性或提升因素的自动规范、估计和发现的制作方法
技术领域：
所描述的技术涉及自动化决策支持工具领域，尤其是自动化预算工具领域。
背景技术：
营销沟通(“营销”)是产品或服务——即“出售物”的销售者就该出售物对潜在买家进行教育的过程。对于销售者，营销通常是主要花费，且通常包含大量组成部分或类别， 比如，各种广告媒体和/或途径，以及其他营销技术。尽管涉及给每一组成部分分配花费层次使制定营销预算较为复杂，但可用的自动化决策支持工具很少，这使得依靠主观结论手动进行营销预算很普遍，在很多情况下产生不利的结果。在有可用的决策支持工具的少量案例中，通常需要该工具的使用者提供关于以往对该目标出售物的营销资源分配，以及它们所产生结果的大量数据。在很多情况下，比如新出售物的情况，此种数据无法得到。即使在此种数据可以得到时，也可能不方便取得此数据并将其提供给该决策支持工具。因此，可自动对出售物或者其各种组成部分制定有利的资金或其它资源分配，不需要使用者为该出售物提供历史执行数据的工具将具有显著的效用。


图1为高层次数据流图，其显示了用于提供该功能的典型组成部分配置中的数据流。图2为框图，其显示用于执行该功能的至少一些计算机系统及其他装置通常包括的元件。图3为表图，其显示了历史营销投入库的样本内容。图4为屏幕显示图，其显示了该功能所采用的限定授权客户访问该功能的登录页图5为流程图，其显示了该功能在查看/编辑模式下产生的页面显示。图6-9显示了由该功能所呈现的为索取有关目标出售物的信息的屏幕显示，该目标出售物将由该功能为其制定总营销预算及其分布。
图10为屏幕显示图，其显示了该功能在搜集关于目标出售物的信息后呈现的结果导航屏幕显示，以允许客户选择分析形式来查看结果。图11为屏幕显示图，其显示了该功能呈现的传达其为目标出售物决定的最佳总营销预算的屏幕显示。图12为该功能呈现的展示花费混合信息(spending mix information)的屏幕显示。该屏幕显示包括由该功能制定的总体预算1201。图13为进程图，其描述向客户采集目标出售物的其他属性信息。图14为进程图，其显示了目标出售物的三个衍生度量值的由来认知，影响，及经验。图15为表图，其显示了几组营销活动分配方案，其各自对应图14所示三种衍生属性的不同组合。图16为进程图，其显示了如何根据一些特殊情况1600调整图15所示表格中规定的初始分配。图17为进程图，其显示了该功能如何决定用于各营销活动的金额。图18为进程图，其显示了对图17所示结果的最后调整。图19为屏幕显示图，其显示了该功能呈现的描述该功能所做的针对一些相关目标出售物的资源分配方案，比如以三种不同形式包装的同一产品。图20-23为屏幕显示图，其显示了该功能在一些实施例中用于指定和自动采集数据输入而呈现的典型客户界面。图M-49为屏幕显示图，其显示了该功能所呈现的与ACE过程相关的典型客户界详细说明
具体实施例方式提供了一种软件功能(“功能”)，该功能利用对目标出售物的定性描述 (qualitativedescription)自动制定(1)目标出售物的总营销预算和销售资源及(2)所述总营销预算在多个花费类别——也被称为“活动”——上的分配，以根据实验获得的经济计量数据优化该目标出售物的商业结果(如利润)。在初始化阶段，该功能考虑有关各种出售物的历史营销投入的数据，这些出售物的营销投入与目标出售物的营销投入无必然的联系。对每一个此种投入，该数据反映(1) 该营销的出售物的特征；(2)总营销预算；(3)营销活动间的分配；以及(4)商业结果。此数据可从各种渠道获得，比如直接进行营销研究，或从学术性公开资料中获取等。该功能利用此数据创建适于该功能目标的资源。首先，该功能根据所有历史营销投入计算总营销预算的平均弹性指标，该平均弹性指标预示向总营销预算分配特定层次的资源对商业结果的影响。第二，该功能衍生一些该总营销预算的平均弹性指标的调整系数， 其指定该总营销预算的平均弹性指标需要增加多少或减少多少，以反映历史营销投入的特定特征。第三，对于几组性质相似的出售物中每一组的历史营销投入，该功能得出每活动弹性指标(per-activity elasticity measures)以指示每一营销活动对该组营销投入商业结果的影响程度。
该功能采用访谈技术向客户索取目标出售物的定性描述。该功能利用获得的定性描述的部分内容确认用于总营销预算的平均弹性指标的调整系数。该功能利用经该调整系数调整后的总营销预算的平均弹性指标的调整版本以确定理想的总营销预算，以期为该目标出售物产生最大利润或最大化客户指定的其它目标。理想总营销预算被确定后，该功能利用索取的目标出售物的定性描述确定目标出售物最接近其它几组出售物中的哪一组，并由该组别衍生的每活动营销弹性指标衍生出理想的营销活动分配方案。在一些实施例中，该设备考虑从一个或者多个外部来源接收的数据，包括以下企业联合媒体，企业联合销售数据，网络媒体，网络行为数据，天然检索查询数据，付费检索活动数据，媒体数据类电视，广播，印刷物，消费者行为数据，追踪调查数据，经济学数据，天气数据，财务数据类股票行情，竞争市场花费数据，以及线上和线下销售数据。在一些实施例中，该功能从多个第三方源检索输出和驱动数据，为每个源使用预定义的模板来指导这些第三方数据的检索和映射。在一些实施例中，该功能将检索到的第三方数据与从客户处获得的关于销售或关于一个或多个商业产出的客户特定数据一同使用，来为该客户生成建议的资源分配。在某些情况下，这样做可以不再需要从该客户处收集产出和/或驱动数据，往往显著地节约了时间和资源。以这样的方式，该功能为目标出售物自动制定总营销资源分配和分布方案，而无需客户提供目标出售物的历史执行数据。该功能确定的销售或者市场反应曲线可推算商业结果作为各种资源驱动的数学函数销售=F (任何一套驱动变量)，其中F表示具有报酬递减的适当经济特性的统计函数进一步地，由于此种联系是基于数据，任一时间序列，交叉-部分 (cross-sections)，或者时间序列和交叉-部分，该方法对于基础情况固有地产生直接，间接，和相互作用的效应。这些效应描述了销售如何响应基础驱动变量和数据结构。这些响应效应经常称为 “提升因素”。作为特定的子集或者情形，这些方法允许读取任何交叉段或者时间系列的开启-关闭状态。有各种类别的统计函数适于确定和应用不同类型的提升因素。在一些实施例中， 该功能对该提升因素采用的类别是被称为乘法和对数对数(利用自然对数)及点估算的统计函数。在某些情形中，该功能采用的方法用于绝对驱动数据和绝对结果。它们包括若干类别的随机的提升因素，其被称为多项分对数，分对数，概率，非参数的或者风险方法 (hazard methods)0在各种实施例中，该功能采用许多以各种方法确定的提升因素。此处关于“弹性” 的叙述在很多情形下延伸至各种其它类型的提升因素。图1为高层次数据流图，其显示用于提供该功能的典型部件配置中的数据流。一些在客户控制下的网络客户计算机系统Iio产生页面查看请求131并通过网络(比如英特网120)将其发送至逻辑网络服务器100。这些请求通常包括页面查看请求，以及涉及接收和目标出售物相关的信息，以及提供和制定的总营销预算及其分布的相关信息的其它各种类型的请求。在该网络服务器中，这些请求可被送至单一的网络服务器计算机系统，也可在若干网络服务器计算机系统之间被平衡负载。该网络服务器通常以服务页面(served page) 132回应每一请求。虽然依据上述环境描述了各种实施例，本领域技术人员应能理解，该功能可在其它各种环境中实现，包括单一，单片计算机系统，以及以各种方式连接的计算机系统或类似设备的各种其他组合。在各种实施例中，各种计算系统或其它不同的客户装置可被用于代替该网络客户计算机系统，比如移动电话，个人数字助理(PDA)，电视，摄影机等。图2为框图，其显示用于执行该功能的通常合并于至少一些计算机系统及其他装置中的一些元件。这些计算机系统和装置200可以包括一个或多个中央处理器(CPh)201， 用于执行计算机程序；计算机存储器202，用于在使用过程中存储计算机程序和数据；持久存储装置203(比如硬驱)，用于持久存储计算机程序和数据；计算机可读介质驱动器 204(比如光驱)，用于读取存储在计算机可读介质上的程序和数据；以及网络连接205，用于将该计算机系统连接至其他计算机系统(比如通过英特网)。虽然上述配置的计算机系统通常被用于支持该功能操作，本领域技术人员应能理解，该功能也可用具有各种元件的各种类型和配置的装置加以实现。图3为表图，其显示历史营销投入数据库的样本内容。该数据库300由若干条目组成，比如条目310、320及330，每一条目对应一个或多个历史营销投入的集合，其各自共享相似的背景。每一条目包含若干适用于对应该条目的历史营销投入的背景属性值 (context attribute values)，其包括新产品属性值311，认知度分数属性312，影响分数属性313，经验分数属性314，信息清晰度分数315，以及信息说服力分数316。每一条目进一步包含以下针对该条目的历史营销投入的统计指标的值商业结果的记录351、基础352、 具有滞后因素的商业结果的记录353、外部的记录354、相对价格的记录355以及相对分布的记录356。每一条目进一步包含若干类别中每一个类别的广告效率值的记录，这些类别包括电视361、印刷品362、广播363、户外宣传364、英特网检索365、英特网查询366、拉美裔 (Hispanic) 367、直销 368、事件 369、资助 370 及其它 371。图4为屏幕显示图，其显示了该功能所采用的限定授权客户访问的登录页面。客户将其电子邮件地址输入栏位401，密码输入栏位402，并选择登陆控制键403。如果该客户以这种方式登录有困难，该客户可以选择控制键411。如果该客户还没有帐号，该客户可以选择控制键421以创建一个新帐号。图5为流程图，其显示该功能在查看/编辑模式下产生的页面显示。该屏幕显示列出若干方案501-506，每一方案对应于为该客户或与该客户相联系的组织所生成的现有出售物规划。对于每一方案，该屏幕显示包括该方案的名称511、该方案的描述512、该方案的创建日期513及该方案的状态。该客户可选择任一方案(比如通过选择其名称或其状态)，以获得有关该方案的更多信息。该屏幕显示还包括一标签区域550，以供客户使用以引导该功能的不同模式。在当前查看/编辑模式所对应的标签552之外，该标签区域还包括对应创建模式的标签551，对应对比模式的标签553，对应发送模式的标签554，以及对应删除模式的标签阳5。该客户可选择任一标签以激活对应的模式。图6-9显示了由该功能呈现的为索取有关目标出售物的信息的屏幕显示，该功能将为该目标出售物制定总营销预算及其分配。图6显示了用于输入以下属性值的控制键 当前收入601、当前年度营销花费602、次年在该产业中总体的预期增长率603、以收入的百分比表示的毛利604以及以美元百分比表示的市场份额605。该屏幕显示还包括保存控制键698，供客户选择以保存其输入的属性值，以及继续控制键699，供客户选择以继续进行至下一屏幕显示，用于输入背景属性值。图7为该功能呈现的用于索取目标出售物的属性值的另一屏幕显示。它包括用于输入以下背景属性值的控制键产业新颖程度701、市场新颖程度702、渠道新颖程度703以及营销创新性704。图8为该功能呈现的用于索取属性值的另一屏幕显示。它包括可供客户使用以输入以下背景属性值的控制键营销信息内容新颖程度801、公司在市场中的地位802、市场份额803以及定价策略804。图9为该功能呈现的用于索取属性值的另一屏幕显示。它包括控制键901，供客户使用以决定是否包括顾客区块(customer segment)的细节。该屏幕显示还包括图表910 和920，其用于指定另外的背景属性。客户可用图表910同时指定负责该目标出售物的公司的品牌信息(branding messaging)和定位投入(positioning efforts)的一致性和清晰度的值。为使用图表910，客户可在该图表中选择与合适的一致性和清晰度属性值相对应的格子。图表920与之类似，使客户可同时选择合适的该公司广告的说服力和喜好度值。图10为屏幕显示图，其显示了该功能在收集目标出售物的相关信息后呈现的结果导航屏幕显示，以允许客户选择查看结果的分析方式。该屏幕显示包括一控制键1001，供客户选择以查看与该结果相关的市场份额信息，控制键1002，供客户选择以查看与该结果相关的花费混合信息，以及控制键1003，供客户选择以查看与该结果相关的利润和亏损信肩、ο图11为屏幕显示图，其显示了该功能呈现的用于传达该功能已经为该目标出售物确定的最优化总营销预算的屏幕显示。该屏幕显示包括图1110，其显示两条曲线和总营销预算(或“营销花费”)相关的收入1120，以及和总营销预算相关的利润(即“开销后营销贡献”)1130。该功能已经识别出点1131为利润曲线1130的峰值，并由此识别对应的营销花费层次100美金为最佳营销花费。点1131的高度显示了该营销花费层次可能产生的预期利润层次，点1121的高度显示了在该营销花费下可以预期的总收入。表1150提供了关于最佳营销花费及其计算的额外信息。对于每一个当前营销花费1161、理想营销花费 1162及两者之间的变化1163，该表显示该营销花费层次的计划收入1151，在该营销花费层次下预期的商品和服务成本1152，在该营销花费层次下应获得的毛利1153，该营销花费 1154,以及在该营销花费层次下预期的开销后营销贡献1155。为了定义该利润曲线并确定达到其峰值的营销花费层次，该功能首先确定适合该目标出售物的总营销预算弹性指数。该弹性指数的值在0. 01至0. 30范围内，并被超驰控制以保持于该范围内。该功能根据若干各自与目标出售物的特定属性值相关的调整因素来调整初始的弹性指数值(比如0. 10或0. 11)，而计算该弹性指数。这些调整因素的样本值显示于下表Io
权利要求
1.一种在计算机系统中用于构造为出售物来预测需求水平的需求生成等式的方法，所述出售物通过将特定的资源水平分配给不同的营销活动来生成，该方法包括接收来自使用者的多个观察结果； 对所述多个观察结果中的至少两个对多个备选驱动变量中的每个，为该备选驱动变量检索值，所述值与所述观察结果相关；对至少一个输出变量中的每个，为该输出变量检索值，所述值与所述观察结果相关； 使用为所述观察结果检索到的变量值来估计等式，所述等式将所述备选驱动变量关联到所述输出变量，从而为每个所述备选驱动变量生成系数；以及对所估计的等式进行统计学诊断，以验证所估计的等式。
2.根据权利要求1所述的方法，其中使用广义最小二乘法来进行所述估计。
3.根据权利要求1所述的方法，其中每个所述备选驱动变量落入一个备选驱动变量分类，且其中所述估计所受约束在于每个备选驱动变量分类中的至少一个备选驱动变量必须具有非零系数。
4.根据权利要求1所述的方法，其中所述对所估计的等式进行统计学诊断以验证所估计的等式的步骤包括证实其与至少两个预先确定的商业或统计学置信度规则的相符性。
5.根据权利要求4所述的方法，进一步包括将所估计的等式应用于不在被检索以验证所估计的等式生效之列的备选驱动变量值和输出变量值。
6.根据权利要求4所述的方法，其中所述对所估计的等式进行统计学诊断以验证所估计的等式的步骤进一步包括要求所估计的等式落入弹性库中的弹性标准范围之中。
7.一种计算机可读介质，其中的内容使得计算机系统运行一种方法，该方法用于构造需求生成等式来为出售物预测需求水平，所述出售物通过将特定的资源水平分配给不同的营销活动来生成，该方法包括接收来自使用者的多个观察结果； 对所述多个观察结果中的至少两个对多个备选驱动变量中的每个，为该备选驱动变量检索值，所述值与所述观察结果相关；对至少一个输出变量中的每个，为该输出变量检索值，所述值与所述观察结果相关； 使用为所述观察结果检索到的变量值来估计等式，所述等式将所述备选驱动变量关联到所述输出变量，从而为每个所述备选驱动变量生成系数；以及对所估计的等式进行统计学诊断，以验证所估计的等式。
8.根据权利要求7所述的介质，其中使用广义最小二乘法来进行所述估计。
9.根据权利要求7所述的介质，其中通过基于表面不相关回归来将多个等式堆栈，或者通过使用2半参数最小二乘法，3半参数最小二乘法，或最大似然法求解联立等式来进行所述估计。
10.根据权利要求7所述的介质，其中每个所述备选驱动变量落入一个备选驱动变量分类，并且其中所述估计所受约束在于每个备选驱动变量分类中的至少一个备选驱动变量必须具有非零系数。
11.根据权利要求11所述的介质，其中所述对所估计的等式进行统计学诊断以验证所估计的等式的步骤包括证实其与至少两个预先确定的商业或统计学置信度规则的相符性。
12.根据权利要求7所述的介质，进一步包括将所估计的等式应用于不在被检索以验证所估计的等式之列的备选驱动变量值和输出变量值。
13.根据权利要求7所述的介质，其中所述对所估计的等式进行统计学诊断以验证所估计的等式的步骤进一步包括要求所估计的等式落入弹性库中的弹性标准范围之中。
14.一个或多个计算机存储器，其共同地存储为出售物预测需求水平的需求生成的等式数据结构，所述出售物通过将特定的资源水平分配给不同的营销活动来生成，所述需求生成等式数据结构包括来自使用者的多个观察结果； 对所述多个观察结果中的至少两个多个备选驱动变量，以及所述备选驱动变量的值，所述值与所述观察结果相关； 至少一个输出变量，以及所述输出变量的值，所述值与所述观察结果相关； 需求生成等式，其将所述备选驱动变量关联到所述输出变量，从而为每个所述备选驱动变量生成系数，其中使用为所述观察结果检索的变量的值来估计所述需求生成等式； 每个备选驱动器变量的系数；以及为验证所述需求生成等式而在所述需求生成等式上进行统计学诊断所生成的至少两个统计学诊断结果。
15.根据权利要求13所述的一个或多个计算机存储器，其共同地存储为出售物预测需求水平的需求生成等式数据结构，所述出售物通过将特定的资源水平分配给不同的营销活动来生成，其中所述需求生成等式数据结构进一步包括弹性库。
16.一种在计算机系统中构建需求生成等式的方法，包括 接收来自使用者的多个观察结果；通过以下方式为所述多个观察结果中的至少两个创建数据栈，所述数据栈包括数据观察结果和说明性变量为备选驱动变量检索值，所述值与所述观察结果相关； 为输出变量检索值，所述值与所述观察结果相关；使用为所述观察结果检索到的变量值来估计需求生成等式，所述等式将所述备选驱动变量关联到所述输出变量，从而为每个所述备选驱动变量生成系数；以及对所述需求生成等式进行统计学诊断，以验证该需求生成等式。
17.根据权利要求16所述的方法，其中使用广义最小平方来进行所述估计。
18.根据权利要求16所述的方法，其中每个所述备选驱动变量落入一个备选驱动变量分类，并且其中所述估计所受约束在于每个备选驱动变量分类中的至少一个备选驱动变量必须具有非零系数。
19.根据权利要求16所述的方法，进一步包括将所估计的等式应用于不在被检索以验证所估计的等式之列的备选驱动变量值和输出变量值。
20.根据权利要求16所述的方法，其中所述对所估计的等式进行统计学诊断以验证所估计的等式的步骤进一步包括要求所述需求生成等式落入弹性库中的弹性标准范围之中。
全文摘要
在一些实施例中，提供了一种软件功能，其使用本文中别处所讨论的框架来执行一种用于模型的自动规范、弹性的自动估计、以及驱动的自动发现的方法。该功能首先获得利润优化、数量或收益目标、赢得新客户、客户保留、钱包份额及增销方面的客户、商业和/或品牌目标。连同这些目标，该功能获得与计划时间范围、市场、地理、交易渠道和客户区隔相关的交叉部分元数据。相结合地，所述各目标与元数据定义了所需的数据栈的结构以及要求生成等式的数量。
文档编号G06F17/30GK102272758SQ200980153205
公开日2011年12月7日 申请日期2009年10月30日 优先权日2008年10月31日
发明者乔恩·韦恩, 多米尼克·汉森, 大卫·卡万德, 道格拉斯·雷, 韦斯·尼科尔斯 申请人:市场份额合伙人有限责任公司