MEDIA PLANNING UNDER UNCERTAINTY: A SIMULATION-BASED OPTIMIZATION MODELING
Journal Name:
- Elektronik Sosyal Bilimler Dergisi
Keywords (Original Language):
| Author Name | University of Author |
|---|---|
Abstract (2. Language):
The introduction of new technologies and a steep growth of the media sector are making the media planning
more difficult and complex than ever. In the visual and printed media where the competition is fierce the readership
is uncontrollably variable.
This study focuses on modeling of media planning to provide efficient allocation of the budgeted funds to reach
maximum number of clients when there are unknown variables in control.This study offers an alternate method to
the classical linear and linear goal programming techniques by taking in account the unknown effects of the
readership variant. The resultant model is Monte Carlo simulation based. It is arrived by use of “RISKOptimizer”
optimization software, which is recently introduced and is a simultaneous application of the Monte Carlo simulation
and genetic algorithm. The results obtained by this method were compared with the results of the linear method and
are found more accurate.
Bookmark/Search this post with
Abstract (Original Language):
Medya sektörünün her geçen gün büyümesi, medya planlama probleminin gittikçe daha zor ve karmaşık
niteliğe sahip olmasına yol açmaktadır. Özellikle rekabetin çok yoğun olduğu görsel ve yazılı medya sektöründe
izleyici ve okuyucu sayıları sürekli olarak değişkenlik göstermektedir.
Bu çalışmada belirsizliğin var olduğu koşullarda bütçenin en etkin şekilde kullanılarak hedef kitleye mümkün
olduğunca çok sayıda ulaşabilecek hipotetik bir medya planlama problemi tanımlanmış ve çözülmüştür. Söz konusu
çalışma daha önce medya planlama problemini genellikle doğrusal tamsayılı veya doğrusal hedef programlama
tekniklerini kullanarak çözen modellere alternatif olarak, izleyici ve okuyucu sayılarının değişkenlik gösterdiği
belirsizlik faktörünü de dikkate almaktadır. Oluşturulan model Monte Carlo simülasyonu temellidir. Problem, yeni
bir optimizasyon aracı olan ve genetik algoritma ile Monte Carlo simulasyonunu birleştirerek belirsizlik içeren karar
problemlerine optimum çözüm üreten “RISKOptimizer” aracı ile çözülmüş, elde edilen sonuçlar doğrusal tamsayılı
modelin ürettiği sonuçlar ile karşılaştırılmıştır. RISKOptimizer ile elde edilen sonuçların, doğrusal tamsayılı model
ile elde edilen sonuçlara göre daha etkin olduğu görülmüştür.
FULL TEXT (PDF):
224-234