Motivacin

Para algunos problemas, medir la duracin por

periodos es una muy buena aproximacin.

IN5602 Marketing II

Modelos de Duracin
en Tiempo Continuo

En algunos casos puede ser til considerar la duracin

como una variable continua.
Tiempos de respuesta a una campaa promocional
de marketing directo.
Tiempo entre visitas a nuestro website.
Tiempos entre llamadas en un call center.
Tiempos de operacin en la industria de servicios.

Marcel Goic (mgoic@dii.uchile.cl)

Semestre Primavera 2011

Procesos no homogneos (prxima clase).

2

El problema de Krunchy Bits

Ace Snackfoods, Inc. Ha desarrollado un nuevo snack
llamado Krunchy Bits. Antes de decidir si lanzar el producto
al mercado, la gerencia de marketing ha decidido conducir
un test de mercado usando scanner data para 1499
hogares. El objetivo es tener una mejor idea del potencial
de mercado del producto.
El producto ha estado a prueba por 24 semanas y ya se
encuentra disponible el numero de hogares que ha
probado el producto al final de cada semana.

Duracin en tiempo continuo (sin dependencia en la duracin)

Adopcin de Krunchy Bits

A la gerencia de marketing le gustara estimar la

penetracin del producto despus de un ao, la duracin
total planeada para la prueba de mercado.
3

Descripcin del los Datos

Es razonable hacer
un pronostico?
Marginal vs.
Acumulado

Semana

# Hogares

Semana

# Hogares

13

68

14

14

72

16

15

75

32

16

81

40

17

90

47

18

94

50

19

96

52

20

96

57

21

96

10

60

22

97

11

65

23

97

12

67

24

101

120

100

80
# Hogares

Patrones de
adopcin

Acumulado (Penetracin)

60

40

20

0
1

10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Semana

Ideas para la prediccin

Desarrollando un modelo
Comenzar la descripcin de comportamiento a nivel individual y
luego agregar.

Ajuste de curva:
Buscar una forma funcional flexible
Ajustar a la data
Proyectar hacia el futuro.

Cual es comportamiento a nivel individual que nos interesa?

Tiempo en que el hogar va a probar el producto (a partir del
lanzamiento del mismo)

Que factores son los que determinan la adopcin?

Modelo de Bass

Mltiples factores, alta aleatoriedad

Publicidad y visitas a tiendas no observables

Procesos de Innovacin y Difusin

Los hogares son diferentes

Enfoque de modelos probabilsticos!

Propensin a probar nuevos productos es diferente entre las

personas.
Consideramos la tasa de prueba como variable aleatoria.

Modelo de Nivel Individual

Exponencial con clientes que no prueban

Asumimos que hay dos segmentos de clientes

Sea T el tiempo en que el hogar va a probar el

producto.
Por conveniencia partiremos asumiendo que T esta
exponencialmente distribuida con tasa .
F ( t ) = Pr (T t ) = 1 e t

Segmento

Tamao

Que Prueban

Que No Prueban

1-p

Pr (T t ) = Pr (T t prueba ) Pr ( prueba ) + Pr (T t no prueba ) Pr ( no prueba )

Limitacin del modelo: Despus de un tiempo

suficientemente largo, todos los hogares van a probar!
Imponer que una fraccin de clientes nunca prueba.

= p F ( t = ) + (1 p ) F ( t = 0 )

= p 1 e t

Estimacin

10

Funcin de Verosimilitud

El modelo describe probabilidades en tiempo continuo,

pero la data es an en tiempo discreto!

La funcin de log-verosimilitud viene dada por:

LL ( p, data ) = N1 ln Pr ( 0 T 1)

La funcin de verosimilitud se construye calculando

para cada hogar la probabilidad que el tiempo de
adopcin haya ocurrido entre los limites del intervalo
que define el periodo.

+ N 2 ln Pr (1 T 2 ) + ...
+ N 24 ln Pr ( 23 T 24 )

+ N panel i =1 N i ln Pr (T > 24 )
24

Pr ( t0 T t1 ) = F ( t1 ) F ( t0 )

11

12

Pronstico

Resultados: Exponencial con no prueba

F(t) representa la probabilidad que un hogar escogido

aleatoriamente pruebe el producto en t (donde t=0
corresponde al instante de lanzamiento de la prueba).

160
140
120
# Hogares

100

Sea T(t) = el numero acumulado de hogares que ha

probado el producto en t. Entonces:

80
60
40
20

E T ( t ) = N panel F ( t )

= N panel p 1 e

10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Semana
Actual

Predicted

13

Heterogeneidad

14

Modelo Gamma-Exponencial

Hemos incluido una componente muy bsica de

heterogeneidad: segmento que no prueba.

La distribucion acumulada del tiempo de prueba a nivel de

mercado viene dada por:
Pr (T t ) = Pr (T t ) g ( ) d

Sin embargo, todos los que si prueban tienen la misma tasa

de prueba.

Heterogeneidad no observable: Tasa de prueba se

distribuye Gamma en la poblacin (distribucin de mezcla)
g ( ) =

r r 1e
(r )

r >0 parmetro de forma

>0 parmetro de escala

= 1 e t r r 1e ( r ) d

= 1

+t

Siguiendo la convencin usada para nombrar la BetaGeomtrica, llamamos a este modelo Gamma-Exponencial.
15

16

Resultados: Gamma-Exponencial

Comparacin Heterogeneidad
Exponencial con no-prueba

Gamma Exponencial

160
140
120
# Hogares

100
80
60
40
20
0
1

10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Semana
Actual

Predicted

p=0.085, =0.066

r=0.050, =7.973

17

18

Conceptos y Herramientas Introducidas

Situaciones en las que podra requerirse un modelo de
duracin en tiempo continuo.

IN5602 Marketing II

Modelos de Duracin
en Tiempo Continuo

Modelo de duracin en tiempo continuo sin

dependencia en la duracin (con tasa de ocurrencia
uniforme en el tiempo)

Marcel Goic (mgoic@dii.uchile.cl)

Heterogeneidad:

Semestre Primavera 2011

Hogares que nunca prueban.

Tasa de ocurrencia distribuida Gamma.

19

20