El marketing ha evolucionado mucho en las últimas décadas siempre buscando el objetivo de convertir al cliente en el centro de la empresa y poder satisfacer sus necesidades.
La clave siempre ha sido saber cómo iba a comportarse el cliente frente al lanzamiento de productos, las campañas de marketing, las nuevas ideas, etc. Para poder indagar y averiguar el comportamiento del cliente se han desarrollado muchas técnicas.
Al igual que en economía, siempre se han utilizado modelos analíticos que vinculan la demanda de los clientes con los precios, publicidad y otras variables del marketing.
Los cuestionarios y las encuestas sirven para poder tener un conocimiento real de las preferencias de los clientes potenciales aunque nos tenemos que limitar a una muestra de ellos.
También tenemos los sistemas dinámicos que permiten modelar el comportamiento de los consumidores de manera cambiante y con interacciones.
Y en los últimos años hemos visto como las grandes cantidades de datos que obtenemos de diversas fuentes de analítica (Web, redes sociales, móviles, localización, etc.) nos permiten encontrar patrones de comportamiento y relaciones entre variables muy útiles para realizar predicciones (analítica predictiva). Muchas plataformas de comercio electrónico como Amazon personalizan sus ofertas a los usuarios gracias a la multitud de datos que tienen de ellos (productos más vistos, últimas compras, Web visitadas, etc.) Sin duda el big data y la analítica predictiva van a ofrecer enormes oportunidades de negocio a las empresas e instituciones que sepan sacar la información adecuada de los datos.
Sin embargo, en todas estas técnicas se parte de un enfoque top-down en el que se echa en falta modelar el comportamiento de agentes individuales, ver cómo interactúan entre ellos y estudiar los fenómenos globales que emergen del conjunto de individuos. Esto es lo que se consigue con las simulaciones de modelos basados en agentes (ABM).
Mediante los ABM simulamos a las empresas o los clientes mediante unos agentes que tienen unos atributos y unos comportamientos definidos. Por ejemplo, para estudiar la adopción de una nueva tecnología podríamos definir cinco tipos de agentes, cada uno con una tasa de adopción diferente y en los que cada agente se ve influenciado por el número de agentes en su entorno que ha adoptado la tecnología. De esta forma podemos hacer simulaciones para ver cómo evoluciona la tecnología en función del comportamiento de miles de agentes.
La diferencia con los modelos tradicionales es que en éstos se relacionan variables de interés en función de las observaciones o los datos obtenidos, mientras que en los ABM se simula el comportamiento de los individuos para ver cómo evolucionan e interaccionan para producir un determinado patrón de interés.
Al fin y al cabo, los procesos económicos y empresariales son la suma de una infinidad de individuos tomando decisiones, comunicándose e interactuando.
Los agentes modelados en los ABM pueden ser muy heterogéneos y diferentes, interactúan entre ellos de manera compleja, reflejan la complejidad del comportamiento de los consumidores y se adaptan y varían en el tiempo.
Por lo tanto, que mejor manera de entender la realidad que acercándote a ella y haciendo simulaciones teniendo en cuenta su complejidad. En los próximos años veremos multitud de aplicaciones de los modelos basados en agentes no sólo en marketing sino también en la economía, biología, sociología, etc.
Hola Adrián,
Muy buena aportación. Desconocía que este tipo de avances existieran en esta área. Conozco de cerca una evolución similar en el estudio de sistemas de comunicaciones móviles e inalámbricas. En estos sistemas, la aplicación de modelos requiere habitualmente simplificaciones que se traducen en posibles errores en las conclusiones que se obtienen de un estudio. Por eso también se utilizan simuladores como los que comentas en el post.
Los simuladores de comunicaciones móviles e inalámbricas que conozco son de código abierto, pero existen empresas que tienen sus propios simuladores y que incluso comercializan en algunos casos. Tengo curiosidad por saber si los simuladores que se están desarrollando para marketing son/serán de código abierto o propietarios.
Eso sí, me parece más fácil simular máquinas (dispositivos de comunicaciones) que humanos 😉
Saludos y enhorabuena por el blog,
Miguel
Hola Miguel, como bien dices los modelos de ecuaciones tienen que estar en condiciones de equilibrio, tienen que ser tratables matemáticamente y representan a individuos o agentes homógeneos. Los ABM son ideales para agentes con comportamientos diferentes y adaptativo en el tiempo, que interactuan entre ellos y por lo tanto representan mejor a la realidad.