跳到主要內容

臺灣博碩士論文加值系統

(54.80.249.22) 您好!臺灣時間:2022/01/20 07:05
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:朱昭蓉
研究生(外文):Chao-Jung Chu
論文名稱:雙佔競爭下最適廣告媒體排程決策之研究
論文名稱(外文):A study of optimal media schedules planning under duopoly competition
指導教授:周世玉
指導教授(外文):Shihyu Chou
學位類別:碩士
校院名稱:國立中興大學
系所名稱:行銷學系
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:78
中文關鍵詞:媒體排程基因演算法廣告
外文關鍵詞:Media Schedules PlanningGenetic AlgorithmsAdvertising
相關次數:
  • 被引用被引用:3
  • 點閱點閱:2290
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
摘要
廣告企劃者的主要任務乃在廣告預算限制下決定播出廣告的排程以使公司獲得最大廣告效益。然而消費者的廣告知曉乃是屬於行銷溝通中第一個步驟的重要考慮,且媒體排程的設計是要促進目標市場的消費者廣告知曉。因此若能評估消費者對於廣告知曉將有助於評估行銷過程中廣告媒體政策,而達成銷售目標或預期之銷售利潤。消費者廣告知曉可作為廣告媒體分配決策評估的一個指標,因此本文延伸Prasad (1998)等的獨占市場廣告反應模型於雙佔市場。將此獨占市場模型延伸為雙佔市場,探討競爭對手相互間媒體排程政策之相互影響。
本研究的研究目的重點如下:
(1)在雙佔競爭下,建立以尋求廠商廣告知曉極大化為目標的媒體排程決策模式。
(2)探討在雙佔市場下,競爭者之廣告反應函數對廠商之廣告知曉的影響,利用基因演算法求解最佳之廣告排程決策。
(3)探討線性、凸及凹廣告反應函數對媒體排程決策與廣告知曉的影響。
(4)探討當廣告損耗率、廣告遺忘率及競爭對手廣告效果係數改變時,廠商最佳媒體排程決策的改變以及廣告知曉的變化程度。
研究結果顯示,在雙佔市場下廠商採脈動式廣告政策所獲得的廣告知曉會較均等式廣告政策佳,換言之,即脈動式的廣告政策會為廠商帶來較大的廣告效益。
本研究的廣告競爭模式與Nail等學者提出的廣告知曉模式,主要差異在於本研究模式考慮競爭者廣告因素,在透過基因演算法計算結果顯示,若考慮競爭者因素後模式所獲得的最佳廣告知曉會較Nail提出的最佳解值低。本研究資料為虛擬資料進行模擬分析,在缺乏實際資料的驗證以及參數的推估將為一研究限制。未來之研究方向可擴充為寡占或多佔市場之模型假設、將廣告知曉(awareness)轉換為銷售量或增加其他影響廣告知曉相關變數之考量,以使模型更趨於完備。
目錄
摘要 Ⅰ
目錄 Ⅱ
圖目錄 Ⅳ
表目錄 Ⅵ
第一章 緒論 1
1.1研究背景與動機 1
1.2 研究目的 2
1.3 研究流程與論文架構 2
1.3.1研究流程 2
1.3.2論文架構 3
第二章 文獻回顧 5
2.1 廣告損耗 5
2.2 廣告品質 9
2.3 廣告競爭模型 12
2.4 基因演算法 15
2.4.1基因演算法之操作 16
2.4.2 基因演算法之模擬 19
2.4.3 基因演算法之基礎 20
第三章 建立模型 22
3.1 廣告政策與廣告反應函數 22
3.2 發展模型 27
3.2.1 動態廣告效果之廣告知曉模型 29
3.2.2 雙佔市場下的廣告反應模型 31
3.3 廣告競爭模型之操作 32
3.4 簡化模擬基因演算法在廣告知曉模型之應用 35
第四章 數值分析 41
4.1 參數設定 41
4.2廣告競爭模型最佳解之搜尋 46
4.3本研究之模型與Nail模型執行結果比較 52
4.4 參數設定之比較 54
第五章 結論 75
5.1 研究結果與限制 75
5.2 未來研究方向 76
附錄 參考文獻 77
圖目錄
圖1.1 研究流程圖 4
圖2.1.1消費者行銷溝通過程 6
圖2.1.2均等廣告政策知曉型態 7
圖2.1.3廣告遞增下之觀測與假設之反應函數 8
圖2.2.1廣告回憶與廣告暴露的安排及次數之關係 10
圖2.4.1基因演算法執行步驟圖 16
圖2.4.2基因複製圖 17
圖2.4.3兩字串簡易交配圖 18
圖2.4.4搜尋整體最佳解之過程圖 20
圖2.4.5基因演算模板相關定義 23
圖3.1.1均等式廣告政策 23
圖3.1.2脈動維持式廣告政策 24
圖3.1.3脈動式廣告政策 25
圖3.1.4廣告商譽轉換銷售量反應圖形 26
圖3.2.1線性廣告反應函數 26
圖3.2.2凸廣告反應函數 26
圖3.2.3凹廣告反應函數 27
圖3.3.1雙佔競爭市場之廣告競爭模型 32
圖3.4.1突變過程圖 39
圖4.1.1 Evolver 4.0之參數設定對話方塊圖 42
圖4.2.1 18種情況之廣告頻率 52
圖4.3.1 原始模型與延伸競爭廣告模型之最大總廣告知曉差異圖
54
圖4.4.1 在不同廣告內容損耗參數下之最大總廣告知曉 62
圖4.4.1 (a)線性函數下之不同之廣告內容損耗之最大廣告知曉
63
圖4.4.1 (b)凹函數下之不同之廣告內容損耗之最大廣告知曉
64
圖4.4.1 (c)凸函數下之不同之廣告內容損耗之最大廣告知曉
65
圖4.4.2 (a)線性函數下之不同重複性損耗係數下之最大廣告知曉
66
圖4.4.2 (b)凹函數下之不同重複性損耗係數下之最大廣告知曉
67
圖4.4.2 (c)凸函數下之不同重複性損耗係數下之最大廣告知曉
68
圖4.4.3 (a)線性函數下之不同重遺忘率之最大廣告知曉
69
圖4.4.3 (b)凹函數下之不同重複性損耗係數下之最大廣告知曉
70
圖4.4.3 (c)凸函數下之不同重複性損耗係數下之最大廣告知曉
71
圖4.4.4 (a)線性函數下之不同 之最大廣告知曉 72
圖4.4.4 (b)凹函數下之不同 之最大廣告知曉 73
圖4.4.4 (c)凸函數下之不同 之最大廣告知曉 74
表目錄
表2.4.1 樣本字串與適合度值 17
表3.3.1 雙佔競爭市場下之廣告知曉反應模型 34
表3.4.1廠商1透過隨機方式產生之起始解 36
表3.4.2模型參數起始值之設定 36
表3.4.3母體字串型態與期適合度之值 38
表3.4.4複製步驟後之子代染色體型態 38
表3.4.5交配後之子代與適合度 39
表4.1.1雙佔市場下可能之廣告反應函數及廣告政策之組合 43
表4.1.2基因演算法參數值之設定 43
表4.1.3 參數設定之可能組合(5*4*4) 44
表4.1.4 情況1在不同初始母體數目下之最適參數組合 45
表4.2.1 基因演算法之參數設定 47
表 4.2.2 廣告反應模型之設定(參照Naik, etc. ,1988) 47
表4.2.3 18種情況之最佳廣告政策與最大廣告總知曉 49
表4.2.4 基因演算法中之參數設定(18種情況) 49
表4.2.5 18種情況之最佳廣告排程 50
表4.3.1 最佳廣告排程與總廣告知曉(參照Naik etc.,1998模型)
53
表4.3.2 Nail模式與延伸競爭模式之最大總廣告知曉差距 53
表4.4.1 (a)線性函數下之不同之廣告內容損耗之最大廣告知曉
56
表4.4.1 (b)凹函數下之不同之廣告內容損耗之最大廣告知曉
56
表4.4.1 (c)凸函數下之不同之廣告內容損耗之最大廣告知曉
56
表4.4.2 (a)線性函數下之不同重複性損耗係數下之最大廣告知曉
57
表4.4.2 (b)凹函數下之不同重複性損耗係數下之最大廣告知曉
58
表4.4.2 (c)凸函數下之不同重複性損耗係數下之最大廣告知曉
58
表4.4.3 (a)線性函數下之不同重遺忘率之最大廣告知曉
59
表4.4.3 (b)凹函數下之不同重複性損耗係數下之最大廣告知曉
60
表4.4.3 (c)凸函數下之不同重複性損耗係數下之最大廣告知曉
60
表4.4.4 (a)線性函數下之不同 之最大廣告知曉 61
表4.4.4 (b)凹函數下之不同 之最大廣告知曉 62
表4.4.4 (c)凸函數下之不同 之最大廣告知曉 62
參考文獻
1. Axelrod, Joel N., “Advertising wearout”, Journal of Advertising Research 20, October 1980, pp.13-18.
2. Burke, Marian C. and Edell, Julie A., “Ad over time: captureing changes in the real world”, Journal of Consumer Research, Vol.13, lss.1, June 1986.
3. Calanton, Roger, and alan G. Sawyer, “the stability of benefit segments”, Journal of Marketing Research 15, august 1978, pp.395-404.
4. Calder, Bobby, Brian Sternthal, “Television commercial wearout: An information processing view”, Journal of Marketing Research 17, May 1980, pp.173-186.
5. Corkindale, David, John Newall, “Advertising threshold and wearout”, MCB Publications, Bradford, England.
6. Craig, Samuel, Brian Sternthal, Clark Leavitt, “Advertising wearout: An experimental analysis”, Journal of Marketing Research 13, November 1976, pp.15-22.
7. David E. Goldberg, “Genetic Algorithms in Search, Optimization & Machine Learning”, 1989.
8. Deal, K.R., “Optimising advertising expenditures in a dynamic duopoly”, Operations Research 27 (4), 1979, pp.682-692.
9. Eskin G. J., and P. H. Baron, “Effects on price and advertising in test market experiments”, Journal of Marketing Research 14, November 1977, pp.499-508.
10. Eskin, G. J., “A case for test market experiments”, Journal of Advertising Research, 15, April 1975, pp.27-33.
11. Grass, Robert, w. H. Wallace, “Satiation effects of TV commercials”, Journal of Advertising Research 9, September 1969, pp.3-8.
12. Groenhaug, Kjell, Olaf Kvitastein, Sigmund Gronmo, “Fcctors mederating advertising effectiveness as reflected in 333 tested advertisements”, Journal of Advertising Research 31, October-November 1991, pp.42-50.
13. Hain I. Mesak, “An aggregate advertising pulsing model with wearout effects”, Marketing Science, Vol.11, No.3, Summer 1992.
14. Haley, R.I., “Sales effects of media weight”, Journal of Advertising Research 18(3), 1978, pp.9-18.
15. John D.C. Little, “Aggregate advertising models: the state of the art”, Operations Research, Vol.27, No.4, July-August, 1979.
16. John Holland, “Adaptation in natural and artificial systems”, Ann arbor: The University of Michigan Press., 1975.
17. Katz, William A., “A sliding schedule of advertising weight”, Journal of Advertising Research, New York, Vol.20, lss.4, August 1980.
18. Kimball, George E, “some industrial applications of military operations research methods”, Operation Research 5, April 1957, pp. 201-204.
19. Nerlove, Marc, Kenneth Arrow, “Optimal advertising policy under dynamic conditions”, Economica 29, May 1962, pp.129-142.
20. Park, Sehoon and Hahn, Minhi, “Pulsing in a discrete model of advertising competition”, Journal of Marketing Research, Vol.28, lss.4, November 1991.
21. Pekelman, Dov, Suresh Sethi, “Advertising budgething, wearout and copy replacement”, Journla of operations Research Society 29, 1978, pp.651-659.
22. Prasad A. Naik and Chih-Ling Tsai, “Controlling measurement errors in models of advertising competition”, Journal of Marketing Research, vol. Xxxvii, February 2000, pp.113-124.
23. Prasad A. Naik, Murali K. Mantrala, and Alan G. Sawyer, “Planning media schedules in the presence of dynamic advertising quality”, Marketing science Vol. 17, No.3, 1998.
24. Qinan wang and Zhang Wu, “A duopolistic model of dynamic competitive advertising”, European Journal of Operation Research, 1999.
25. Simon, Hermann, “ADPULS: An advertising model with wearout and pulsation”, Journal of Marketing Research 19, August 1982, pp.352-363.
26. Strong, Edward C, “The effects of repetition in advertising: a field experiment”, Unpub. Ph.D. diss., Stanford University, 1972..
27. Villas-Boas, Miguel, “Predicting advertising pulsing policies in oligopoly: A model and empirical test”, Marketing Science 12 1, 1993, pp.88-102.
www.elsevier.com/locate/dsw
28. Zielske, Hubert a., “The remembering and forgetting of advertising”, Journal of Marketing 23, January 1959, pp.239-243.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top