分配策略_[广告-机制策略-预算分配]营销预算分配

论文地址在A Unified Framework for Marketing Budget Allocation，细节可直接参考论文。

一、问题定义

这篇文章主要解决市场营销预算分配。整个市场可分为多个细分市场，每个细分市场可能对应商品、消费者群体，比如针对儿童的黑羊毛衫。每个细分市场投入不同的预算会得到不同的销量，销量显然随着预算增加而增加直到饱和。假设所有细分市场对应的预算和是固定的，该如何分配不同细分市场的预算从而使得整体销量最大化呢？

在广告业务也有类似预算优化的问题，比如广告主一个营销计划下不同单元之间共享预算，单元间的预算分配影响着计划投放效果和平台预算消耗，需要将预算下放到单元层级。整体的解决思路和该文章类似，因此将其归入到广告-机制策略-预算分配的分类中。

二、方案思路

问题很难直接求解，一般分成两步去解决：第一步是根据历史数据得到销量预测模型，即不同预算（文中具体是不同营销成本）下的销量情况；第二步是求解一个预算约束下销量最大化的组合优化问题，将预算分配到具体每一个细分市场。

第一步，采用经济学领域中常用的模型logic response model，

，并基于此提出了一个半黑盒的预测模型。其中

为第i个细分市场的总销量，c为单位营销成本，c大于0意味着打折而c小于0意味着溢价。

和

是需要学习的参数，一般有

。 直接对不同细分市场分开学习

和

两个参数的话无法考虑不同细分市场之间的公共信息，而且存在数据稀疏问题。为了将公共信息考虑进来，文中将所用信息分成两类：一类是单独特征，每个细分市场的营销成本c或预算；另一类是情景特征

，比如商品品牌、种类、消费者城市等。文中通过较多分析说明

和所谓的成本弹性有关，而且假设其仅由情景特征决定，因此通过一个神经网络

学习得到

。定义市场份额

，为每个细分市场构造训练集

，最大化似然来求解得到参数。

第二步，预算约束下销量最大化的最优化的问题如下定义：

不过该问题中约束非凸求解较为麻烦。因此文中做一定转化，并提出一个基于二分查找的数值求解方法。