Belirsizlik koşulları altında medya planlama: simülasyon temelli alternatif bir optimizasyon modeli

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.

Medya Planlama ,

Simülasyon ,

Risk Optimizasyonu ,

Elektronik Tablolama ,

Media Planning ,

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.

Simulation ,

Risk Optimization ,

Spreadsheet Modeling ,