880-01Understanding the consumer's purchase behavior and how it is affected by advertising and promotion has been major concerns for marketing scientists and practitioners. To this end, they developed a number of quantitative models of the consumer's response to advertising and promotion. In investigating the consumer's response to promotion, marketing scientists tend to make use of discrete choice models, especially Multinomial Logit (MNL) models. The basic idea behind the MNL model is that at a particular choice occasion the consumer chooses the brand with maximal random utility. Thus, the MNL model is appropriate in investigating the consumer's choice among a set of brands at a point of time rather than over time. In marketing, however, the MNL model is often applied to scanner data characterized by a series of choices made over time, causing the inconsistency between the scanner data and the MNL model applied to it. In addition, in estimating the parameters of the MNL models marketing researchers tend to employ either Maximum Likelihood Estimation (MLE) methods or Generalized Least Squares (GLS) methods, depending on whether the data set is of binary or proportional choice. In particular, GLS methods have the problem of "empty cell" resulting from the use of log-linear transformation of binary choice data. At this point some questions arise: (Q1) Does the inconsistency between the scanner data and the MNL model applied to it lead to biased estimates for the parameters of the MNL model? If so, how can we alleviate the problem of the inconsistency? (Q2) In estimating the parameters of the MNL model, how can we deal with both binary and proportional choice data without causing the problem of "empty cell"? Using the advertising response models, marketing researchers want to know whether it is best to advertise at a constant rate, referred to as even strategy, or it is best to alternate between periods of greater spending and periods of less spending, referred to as pulsing. A number of marketing practitioners believe that pulsing is superior to even strategy. However, most theoretical models prescribe even strategy as a maximally profitable strategy, contradicting the commonly held belief. Observing the discrepancy between theory and reality, Little (1986) raised a question: (Q3) "Are there any response models for which pulsing would be optimal?" The main goal of the thesis is to develop quantitative models in order to address the questions Q1 - Q3.
마케팅 연구자와 실무자들은 광고와 판촉이 소비자의 구매행위에 어떻게 영향을 미치는지에 대해 많은 관심을 기울여 왔다. 이를 위해 광고 및 판촉에 대한 많은 계량 모형을 개발했다. 판촉에 대한 소비자 반응 연구를 위해, 정성적 선택자료를 다루기 쉬운 선택 모형을 기존의 연구자들은 주로 사용했다. 그 중 로짓모형(Multinomial Logit model)이 대표적으로 많이 이용된 모형일 것이다. 로짓모형은, 특정 선택 상황에 직면한 소비자는 확률적 효용이 가장 높은 브랜드를 구입한다는 기본가정으로 부터 출발하고 있다. 따라서 로짓 모형은 어떤 한 시점에서 소비자의 선택에 영향을 미치는 변수가 무엇이고, 또 그 영향의 정도는 얼마나 큰가를 연구하는데 적절하다. 하지만 판촉연구를 위해 많이 이용되는 스캐너 자료는, 일정기간 동안 소비자가 어떤 브랜드들을 구입했는가에 대한 동적인 정보가 기록되어 있어, 만일 스캐너 자료를 靜態的인 로짓모형에 그대로 적용할 경우 자료와 모형 사이에는 커다란 불일치가 존재한다. 뿐만 아니라, 연구자들은 로짓모형의 모수 추정을 위해 Maximum Likelihood Estimation(MLE)와 Generalized Least Squares(GLS) 방법을 주로 이용했다. 이 중 어느 방법을 사용할 것인지는 사용되는 자료의 형태에 의해서 결정된다. 즉, 자료가 어떤 브랜드를 샀다/안샀다와 같은 0-1 선택자료인 경우는 MLE 방법을 사용하고, 만일 자료가 각 브랜드가 차지하는 시장점유율과 같이 비율자료의 형태의 경우 GLS 방법으로 로짓모형의 모수를 추정했다. 하지만 GLS 방법은 비율자료를 Log-linear Transformation 하기 때문에, 만일 자료의 일부가 영의 값을 가지면 "Empty Cell" 문제가 발생한다. 이처럼 로짓모형을 실제 적용할 때 발생하는 문제는 다음과 같은 의문점을 제시한다. 첫째, 스캐너 자료와 이를 사용하는 로짓모형 사이의 불일치가 마케팅 변수의 추정치를 편기 (Bias) 시키는가? 또, 만일 이런 문제가 존재한다면, 어떻게 해야 로짓모형이 갖고 있는 이런 문제를 극복할 것인가? 둘째, 자료가 "Empty Cell" 문제를 갖고 있는 경우, 이를 효과적으로 극복하면서 동시에 0-1 자료도 처리가능한 선택모형을 어떻게 만들 수 있는가? 광고에 대한 소비자 반응 연구를 이용하여, 광고를 일정 수준으로 유지하며 지속적으로 하는 광고 전략이 효과적인지, 아니면 광고를 많이 했다, 적게 했다 하면서 파동적으로 하는 광고 전략이 효과적인지의 문제는, 많은 광고 연구자와 실무자들 사이에서 관심을 끌었다. 광고 실무자들은 파동적 광고 전략이 효과적이라고 믿고, 또 학계의 실증연구도 이를 뒷받침하고 있으나, 이에 반해 이론적 계량 광고 모형들은 일정수준의 광고를 지속적으로 하는 것이 효과적임을 동적 수리 모형을 통해 제시했다. 이처럼 이론과 현실의 믿음과의 괴리를 간파하고, 많은 연구자들이 다음과 같은 질문을 제시했다. 세째, 왜 이론적 광고모형이 현실에 반하는 광고 전략을 도출했을까? 우리가 광고 반응 모형의 수립시 간과한 요소는 무엇일까? 기존 광고모형에 어떤 요인을 첨가해야만, 파동적 광고전략이 효과적인 계량 광고모형을 만들 수 있을까? 본 연구의 주요목적은 이러한 세가지 의문점을 해결하는 광고 및 판촉에 대한 소비자반응의 계량모형을 개발하는 데 있다.
