Uso de tecnologías de Ciencia de Datos y de algoritmos genéticos para la optimización de planes de marketing en simulaciones basadas en agentes

Resumo

Esta tesis doctoral se centra en el uso de tecnologías de Ciencia de Datos y de algoritmos evolutivos para la optimización de planes de marketing y calibración de modelos basados en agentes (ABMs, por sus siglas en inglés). En concreto, se proponen métodos basados en algoritmos evolutivos multiobjetivo (EMO, por sus siglas en inglés) y multimodales (MMEAs, por sus siglas en inglés) para mejorar las técnicas de optimización y calibración existentes. Los avances propuestos se aplicaron sobre modelos de marketing y sobre modelos ecológicos poblacionales. Los objetivos considerados se enumeran a continuación: 1. El desarrollo de un ABM para marketing al que incorporamos reconocimiento de marca e incertidumbre en la toma de decisiones de los agentes. El modelo propuesto permite reproducir las dinámicas de consumo de los mercados de forma realista y aprovecharlas para descubrir patrones globales de comportamiento en los mismos. 2. El diseño de un método automático de selección de individuos semilla para la difusión de productos en campañas de marketing viral (VM, por sus siglas en inglés) sobre el modelo extendido basado en algoritmos evolutivos mono y en algoritmo EMO. La robustez del método se testó sobre diferentes topologías de red social (SN, por sus siglas en inglés), demostrando su adaptabilidad y buen desempeño. 3. La propuesta de métodos de calibración de ABMs que permitan obtener distintos conjuntos de parámetros de rendimiento óptimo haciendo uso de MMEAs para facilitar a los modeladores la validación de sus modelos virtuales e incrementar las alternativas disponibles para apoyar sus decisiones. Aplicamos los métodos propuestos sobre instancias diferentes de un ABM que modela un escenario de marketing bancario real y demostramos que el mejor método obtiene un rendimiento de calidad, independiente de la complejidad y de la dimensionalidad del problema de calibración abordado. 4. Como objetivo adicional a esta tesis doctoral, decidimos aprovechar el potencial de los MMEAs para ofrecer soluciones de calibración diversas y de calidad y aplicarlo a otra área de conocimiento: Los modelos ecológicos poblacionales. Para ello, desarrollamos un producto software llamado MultiCalib4DEB, que integramos con la principal herramienta existente para el análisis de un tipo concreto de modelos ecológicos conocidos como modelos basados en la teoría del balance energético dinámico (DEBtool). Los cuatro objetivos anteriores fueron abordados con éxito. Entre las principales contribuciones destacamos la extensión de un ABM consolidado en el campo de la simulación social, al que incorporamos un proceso de reconocimiento de y un mecanismo de difusión de innovaciones entre agentes a través de la SN que los interconecta basado en boca a boca. También destacamos la creación de un marco para la generación de campañas basadas en VM usando el modelo extendido como base y algoritmos EMO. Este marco es utilizado para identificar y seleccionar individuos que actúan como difusores de productos en las campañas de VM considerando objetivos dos objetivos en conflicto (coste y beneficio) y utilizando para ello distintas métricas locales de SN. Finalmente, destacamos el marco general para la calibración de ABMs y de modelos ecológicos poblacionales utilizando MMEAs ya que resulta de gran utilidad para los modeladores al proveerles de un conjunto de soluciones diversas y de calidad con las que tomar mejores decisiones y tener una mejor visión del entorno de soluciones de sus modelos.