«Не проворным достается успешный бег,
Не храбрым - победа, не мудрым – хлеб,
И не у разумных – богатство,
но время и случай для всех их»
Екклесиаст гл. 9 п. 11.

Введение

Рекламная деятельность связана с необходимостью принятия решений в условиях неполной информации. Основой управления риском и выработки оптимальных решений служит предварительное моделирование рекламной кампании с оценкой необходимых показателей.

Планирование рекламных и пиар компаний происходит на основе прошлой статистики. Можно пойти дальше. На основе прошедших рекламных компаний ( в дальнейшем РК) определить, как изменение того или иного значащего показателя скажется на изменении качества РК в целом. Иными словами, необходимо научиться изменять показатели планируемой РК для успешного её проведения. В будущем, можно будет свести оптимизацию к ряду простых процедур. Основными моментами, характерными для рискованных ситуаций это наличие неопределенностей, наличие альтернативных решений.

В нашей работе мы определяем риск как неуспех в ситуации неизбежного выбора при наличии необходимой информации.Ситуация риска – разновидность неопределенности, когда наступление событий может быть определено. Следует отметить, что разница между риском и неопределенностью относиться к способу задания информации и определяется наличием (в случае риска) или отсутствием ( при неопределенности) характеристик неконтролируемых переменных.

В настоящем исследовании прогнозируются рискованные ситуации как для чистых рисков, обладающими относительно постоянным характером проявления, так и для спекулятивных рисков, определяемых управленческими решениями.

Аналитические оценки спекулятивных рисков изменяются с течением времени, поэтому возникает необходимость непрерывного поступления информации и быстрой её обработки. Компьютерные решения могут легко разрешить эту проблему. Чистые риски стабильны во времени и отличаются определённой закономерностью. Стабильный и устойчивый характер динамики основных показателей чистых рисков позволяет делать надёжный прогноз в работе.

Для нахождения оценок любых рисков необходимо иметь, прежде всего, информационную базу изучаемого явления и определить показатели, по которым можно судить о неуспехе исследуемого события.
Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе ретроспективных данных определяем, насколько можно быть уверенным, что изучаемое событие будет успешным.

Теорема Байеса, имеющая ныне сильнейшее влияние на разработки компаний, играет ключевую роль в нашем исследовании. Она имеет дело с расчетом верности гипотезы в условиях, когда на основе наблюдений известна лишь некоторая частичная информация о событиях. Теорема Байеса рассматривается как логическая основа пересмотра суждений в зависимости от действительно происходящих событий, т.е. для обучения на базе опыта, следовательно, постоянной корректировки стратегий управления. Расцвет методов байесовых оценок и по-настоящему широкая популярность и даже «мода на Байеса» пришли в 1990-е годы.

Отметим достоинства байесовского подхода как средства построения скоринговой системы:
-использование подхода позволяет избежать проблемы избыточного усложнения модели,
- подход позволяет естественным образом совмещать закономерности, выведенные из данных, и знания, полученные от экспертов,
-подход позволяет легко вносить коррективы в модель на основании опыта один раз в неделю, месяц, квартал, год.
Таким образом, скоринг представляет собой классификационную задачу, где исходя из имеющейся информации необходимо получить характеристику риска.

Скоринг вокруг нас...

Предположим, что Вы собираетесь в отпуск на море. Денег – ограничено. Вы начинаете собирать информацию, и структурируете её по принципу подходит не подходит. Начинаете со страны. Был. не был, дорого .не дорого, хорошо кормят, плохо кормят, и т.д. Стоимость больше 600 S за две недели или меньше. Каждому показателю Вы приписываете веса на качественном уровне :существенно, не существенно. Иногда один показатель может перебить все остальные, например, никогда там не был, хочу посмотреть. Иными словами, Вы рассматриваете всю доступную информацию с весом. Принимаете решение с некоторой долей риска, поскольку, скорее всего, Вы не обладаете необходимой информацией, или неправильно определяете веса. По существу, мы имеем элементарную скоринговую систему, обученную на доступной информации.

Изложим суть предлагаемой скоринговой системы, основанной на теореме Байеса.

Прежде всего необходимо ОБУЧИТЬ систему на основании прошлой статистики. Предположим, что было проведено несколько рекламных, маркетинговых, пиар компаний ( в дальнейшем RK). Каждая из них завершилась успехом или неуспехом. Выделим те параметры ( показатели) в проводимых компаниях, на основании которых можно оценивать эффективность RK. Эти параметры мы сортируем по признакам да/нет, больше/меньше и т.д. Система находит байесовские веса каждого из них. Эти веса позволяют определить, как изменение того или иного параметра скажется на изменении качества проводимой RK.

Строим скоринговую карту ( таблицу ) из параметров. Каждый из них представлен с достаточной степенью детализации. Например, такие параметры, как возраст, доход, могут быть детализированы следующим образом: возраст 18 лет, 19 лет, и т.д. или больше 30лет, меньше 30 лет.

Доход 10 тыс.рублей, 20 тыс.рублей, и т.д. или больше 50 тыс. рублей, меньше 50 тыс. рублей.
Построенная нами компьютерная программа анализирует статистические данные о прошедших компаниях. В результате мы находим байесовский вес каждого параметра и его влияние на изменения риска достижения успеха RK. Например, чем больше положительное значение какого-либо параметра, тем ближе к провалу RK.
Здесь важное значение имеет возможность перераспределения рекламного бюджета в зависимости от степени влияния параметра на успешность проведения RK. Кроме того, мы можем осуществить прогноз, и оценить риск неуспеха RK.

Маркетинг

Предположим, большой супермаркет желает удержать своих постоянных клиентов, посредством различных поощрений (скидки на товары, рассылка рекламы по почте или e-mail и т.д.). Посредством дисконтных карт, социологических опросов и анкет можно получить некоторую общую информацию о клиентах (пол, возраст, место работы и т.д.) и их ценности для магазина т.е. информацию о том, что и как часто они покупают. Вот теперь требуется скоринговая модель, посредством которой всех покупателей можно не только разделить на группы, но и прогнозировать их покупки.

Вместо заключения…

Простота и надёжность прогнозирования рисков проведения RK позволяет успешно применять описанную выше скоринговую систему людям с любым уровнем знаний. Более того, построение скоринговой карты и вычисление рисков меньше по времени и точнее любого метода, применяемого в настоящее время в исследовниях по маркетингу, рекламе и пиару.

Я думаю, что если объединить наши труды, и воспользоваться выгодами совместной работы, то можно получить прекрасные результаты в вопросах маркетинге, рекламе, PR .

Приглашаю всех желающих к партнёрской работе. Можно рассмотреть Ваши кейсы и смоделировать результаты Ваших исследований.

ПРИЛОЖЕНИЕ

Можно получить экспресс – диагностику рисков во многих областях человеческой деятельности.

Пример

Было опрошено 90 лиц, желающих получить кредит. Им были заданы следующие вопросы и получены значения весов, которые сведены в таблице 1.

ПРОЦЕСС ОБУЧУНИЯ СИСТЕМЫ (нахождение байесовских весов)

Таблица 1

№№

Наименование вопроса

Ответ

Вес

1

Возраст

Больше 35 лет

-0,14

Меньше 35 лет

0,36

2

Характер

Жизнерадостный

-0,1

Угрюмый

0,25

3

Внешность

Аккуратная

-0,26

Небрежная

0,2

4

Манеры

Интеллигентные

-0,17

Простые

0,3

5

Долги

Есть

0,34

Нет

-0,16

6

Семейное положение

Женат

-0,28

Холост

0,32

7

Отношение к риску

Взвешенный

-0,17

Азартный

0,19

8

Образование

Высшее

-0,22

Не высшее

0,24

9

Владение недвижимостью

Да

-0,34

Нет

0,15

10

Профессиональный опыт

Есть

-0,17

Нет

0,16

11

Хобби

Есть

-0,09

Нет

0,13

Приведем один из вариантов заполнения таблицы потенциального клиента. Таблица весов была составлена заранее по результатам опросов.

 

№№

Наименование вопроса

Ответ

1

Возраст

Больше 35 лет вес -0, 14

2

Характер

Угрюмый вес 0, 25

3

Внешность

Небрежная вес 0, 2

4

Манеры

Интеллигентные вес – 0, 17

5

Долги

Есть вес 0, 34

6

Семейное положение

Женат вес -0, 28

7

Отношение к риску

Взвешенный вес -0, 17

8

Образование

Не высшее 0, 24

9

Владение недвижимостью

Нет вес 0, 15

10

Профессиональный опыт

Есть вес -0, 09

11

Хобби

Нет вес 0, 13

 

Сумма весов Z=-0,14+0,25 +0,2+ -0,17 +0,34+ -0,28+ -0,17 +0,24 +0,15+ -0,09 +0,13=0,46 Получаем, что примерно в 73 случаях из 100 клиент не выполнит своих обязательств. ( См.номограф.)

Хочу отметить, что описанный выше подход к нахождению риска может быть осуществлён с использованием специальным образом построенной номограммы, которая позволяет по сумме байесовских весов легко определять неуспех изучаемого события.

Номограмма представлена на рис. 1.

Номограмма отражает зависимость P(W2/X) от Z, P(W2/X) даёт возможность оценить неуспех изучаемого явления. Например, если P(W2/X)=0, 3, то в 3 случаях из 10 компания не будет успешной.

Для использования номограммы необходимо сложить веса, (т.е. определить величину Z) соответствующие данным X(веса показателей) и найти точку на номограмме, соответствующую значению суммы. Например, если сумма всех байесовских весов равна 0, 18, то в 6 случаях из 10 нас ждёт неуспех.

В результате мы получаем инструмент, позволяющий в любых условиях быстро и надежно определять риски без компьютера. При этом байесовские веса показателей, которые меняются со временем, сообщаются всем пользователем номограммы.

Текст: Виталий Юрашев, научный руководитель фирмы «Градиент», кандидат физ-мат. наук, доцент МФТИ (vitaliy@yurashev.ru)