¿Se puede aplicar las redes neuronales para la planificación de

estrategias de marketing?

Renato Johao Balcázar Loaiza.

Mayo 2018.

Universidad Técnica Particular de Loja.

Informática.
Gestión Productiva 1.1
 ¿Se puede aplicar las redes neuronales para la planificación de estrategias de
marketing?

Revisión Literatura

Variación predecible y comercialización rentable de acciones de EE.UU.: Una

simulación comercial que utiliza redes neuronales.

"Una regla de cambio condicionada a las predicciones de rendimientos fuera de

la muestra de un paso adelante se usa para establecer posiciones de inversión en

acciones o letras del Tesoro. La importancia económica de cualquier patrón

discernible de previsibilidad se evalúa incorporando los costos de transacción en el

simulado estrategias de negociación. Encontramos que los modelos ANN producen

señales de cambio que podrían haber sido explotadas por los inversores en un

contexto fuera de la muestra para lograr rendimientos acumulativos y ajustados al

riesgo superiores en comparación con la regresión o una simple estrategia de

compra y retención en los índices de mercado. La solidez de estos resultados en un

gran número de índices bursátiles es alentadora. Alcance y propósito Se ha

acumulado una gran cantidad de evidencia que sugiere que los retornos de las

acciones son predecibles por medio de información disponible públicamente sobre

una serie de variables con un importante componente de ciclo de negocios. Las

investigaciones previas, en su mayoría, se basaron en estadísticas estándar técnicas

de cálculo (por ejemplo, análisis de regresión) con suposiciones indebidamente

restrictivas que se presume que se mantienen en el proceso subyacente de generación

de datos. Este documento reexamina la evidencia con respecto a la variación

predecible en los rendimientos de acciones de los EE. UU. Utilizando tanto la red

neuronal artificial (ANN) como la regresión, y compara los resultados comerciales

 simulados obtenidos de los modelos ANN con los obtenidos de la regresión.”

(Motiwalla & Wahab, 2000)

Sistema de pronóstico de ventas basado en red neuronal difusa con pesos iniciales

generados por algoritmo genético.

“La previsión de ventas es muy compleja debido a la influencia de los entornos

internos y externos. Sin embargo, la predicción confiable de las ventas puede mejorar

la calidad de la estrategia comercial. Recientemente, las redes neuronales artificiales

(ANN) se han aplicado para la previsión de ventas debido a su rendimiento

prometedor en las áreas de control y reconocimiento de patrones. Sin embargo, aún

es necesario mejorar aún más, ya que circunstancias únicas como la promoción

pueden causar cambios repentinos en los patrones de ventas. Por lo tanto, el presente

estudio utiliza la red neuronal difusa propuesta con ponderaciones iniciales

generadas por el algoritmo genético (GFNN) con el fin de aprender reglas difusas

IF-THEN para la promoción obtenida de expertos en marketing. El resultado de

GFNN se integra aún más con un pronóstico de ANN utilizando los datos de series

temporales y la duración de la promoción de otra ANN. Los resultados de la

evaluación del modelo para una empresa de tienda de conveniencia (CVS) indican

que el sistema propuesto puede funcionar con mayor precisión que el método

estadístico convencional y una única ANN.” (Kuo, 2001)

Un enfoque de red neuronal artificial para pronósticos de precios de electricidad a

corto plazo.

“Este documento presenta un enfoque de red neuronal artificial para la previsión

de los precios de la electricidad a corto plazo. En el nuevo marco desregulado, los

productores y los consumidores requieren una previsión de precios a corto plazo

para derivar sus estrategias de licitación al mercado de la electricidad. Se requieren

 herramientas de pronóstico precisas para que los productores maximicen sus

ganancias y para que los consumidores maximicen sus utilidades. Se utiliza una red

neuronal artificial de tres capas, alimentada por el algoritmo Levenberg-Marquardt,

para pronosticar los próximos precios de la electricidad de 168 horas. Evaluamos la

precisión de la previsión de precios alcanzada con el enfoque propuesto, informando

los resultados numéricos de un estudio de caso del mundo real basado en un mercado

de electricidad.” (Catalao, Mariano, Mendes, & Ferreira, 2007)

2013 Conferencia Internacional de Tecnología de la Información e Ingeniería

Industrial, ITIE 2013

“El enfoque especial en esta conferencia es sobre tecnología de la información e

ingeniería industrial y sus temas relacionados. Los temas incluyen: construir el

modelo FEM de pala de turbina por UG; aplicación de investigación de SOA en el

área de sistema de inteligencia de negocios; gestión y control de la estructura del

sistema de entrenamiento deportivo; la investigación de la clasificación del modelo

CPFR y los factores que influyen en la selección del modelo CPFR; investigación

empírica sobre la fuerza motriz del comercio electrónico para el crecimiento de la

industria de la logística; modelo TOPSIS mejorado basado en números de intervalo;

técnica de cancelación de eco basada en filtro adaptativo para repetidor digital;

estrategias de fijación de precios en una cadena de suministro de doble canal bajo

información asimétrica; el análisis de tecnología de elevación de vals basado en el

movimiento humano; diseño e implementación de adaptación de RF y circuito de

filtro basado en ADS; medición dinámica de la eficiencia de la innovación

tecnológica de la industria de alta tecnología en China; un enfoque basado en IHE

XDS para el intercambio de electrocardiogramas; dos problemas de programación

de los trabajos de dos agentes con el tiempo de procesamiento de la unidad y

 diferentes fechas de lanzamiento; modelo de simulación de vehículo basado en

agentes múltiples para el banco de pruebas del sistema CBTC.[…]” (*Proceeding,

2014)

Un sistema de servicios inteligentes de mercadotecnia integrada basado en

aplicaciones de televisión: Diseño e implementación a través de la colocación de

productos en dramas ídolos.

“Due to the increase in advertising requirements for various multi-media services,

two studies were conducted to first propose an Intelligent Embedded Marketing

Service System (IEMSS) and then to use this IEMSS to implement product placement

strategies for idol dramas using interactive television. In study 1, the IEMSS

combines TV apps, multiple agents, and multi-document summarization technologies

to retrieve and store information and comments about merchandise from search

engines, blogs, and forums. The IEMSS involves a multi-document summarization

technique that uses the TF-IDF (term frequency-inverse document frequency), the

position and an artificial neural network (ANN) to automatically generate and

transmit key positive comments to the user via TV apps. The experimental results

show that the IEMSS has 100% accuracy, indicating that the IEMSS is capable of

helping users understand the merchandise and improving purchase intentions. In

study 2, a 2 (product description messages: shown vs. not shown) × 2 (online

reviews: shown vs. not shown) between-subjects design was conducted to examine the

effectiveness of the IEMSS in an actual application. The results of this empirical

research reveal that the display of reviews of the embedded products obtained from

the Internet using the IEMSS functionality provides the viewing audience of idol

dramas with the opinions of others who have used the embedded product, thereby

improving attitudes toward the brand and product placement and stimulating
 purchase intentions. In sum, the IEMSS can be successfully applied to automatic

summarization for advertising. Furthermore, this approach can be considered an

extension of eWOM marketing and an application of Media Richness Theory that

increases the effectiveness of product placement” (Lin & Chen, 2013).

Clasificación del comportamiento del consumidor usando la red neuronal artificial

del enlace funcional.

“El rápido desarrollo del uso de Internet ha allanado el camino hacia el uso de

las compras en línea. En este trabajo se ha realizado una investigación sobre el

comportamiento de los consumidores indios hacia las compras en línea usando la red

neuronal artificial de enlace funcional (FLANN) y el resultado se compara con el

obtenido a partir del enfoque estadístico convencional, análisis discriminante. El

estudio de simulación revela que el modelo basado en FLANN proporciona una

mejor clasificación de los consumidores en comparación con el enfoque basado en

estadísticas convencionales.” (Majhi, Panda, Pandu, Majhi, & Panda, 2010)

Un enfoque híbrido para predecir el comportamiento de compra individual de los

clientes.

“Predecir los comportamientos de compra de los clientes es una tarea desafiante.

La literatura ha introducido los enfoques de modelado predictivo a nivel individual y

basado en segmentos para este propósito. Cada método tiene sus propias ventajas e

inconvenientes, y funciona en ciertos casos. El propósito de este documento es

proponer un enfoque híbrido que predice los comportamientos de compra

individuales de los clientes y reduce las limitaciones de estos dos métodos al

combinar las ventajas de los mismos.” (Serhat Peker, Altan Koyyigit, 2017)
 Cuando el comportamiento revela actividad: Asignación de esfuerzo de pesca a

métiers basado en datos VMS utilizando redes neuronales artificiales.

“The identification of groups of vessels with the same exploitation pattern (e.g.

gear used, fishing ground, target species) over time, usually referred to as a

“métier”, is a major topic of fishery management. However, métier detection on

fishing trips is still done using the incomplete or biased information present in

declaration of landings (logbooks), under the assumption that the reported landings

profiles reflect intended catches. Nowadays, fishing effort can be tracked at high

spatial resolution using vessel monitoring systems (VMS). VMS potentially provides

information about vessels fishing activity if the frequency of signals is natively high or

appropriately interpolated. An artificial neural network is used to analyse

interpolated VMS tracks and Vessel Register data to identify fishing activity. A

multilayer perceptron network (MPN) was trained to recognize one among 15

possible métiers from a series of 33 variables: 12 in binary form for licensed gears, 6

probability classes for vessel speed, 3 for vessel heading and 7 for sea depth,

respectively. The MPN was iteratively trained on subsamples of a large dataset

corresponding to the activity of the Italian fishing fleet, for which information about

métier was collected and validated by on-board observations by scientific operators,

and then tested on other subsets of the data. The best architecture for MPN was

identified and analysed. The mean percentage of correct predictions obtained on the

test datasets was very high (>94%), confirming that VMS data can provide

information on vessel activity. Overall, these findings suggest that this is a promising

approach to assign fishing effort, resolved at single trip scale, to specific métiers,

even giving independent assessment of fishing activity with respect to those provided
 by logbook and capture data.” (Russo Tommaso, Parisi Antonio, Progia Marina,

Boccoli Fabrizio, Cigninic Innocenzo, Tordonic Maurizio, 2011)

Una red neuronal artificial regularizada bayesiana para la previsión del mercado de

valores.

“En este trabajo se propone una red neuronal artificial regularizada Bayesiana

como un método novedoso para predecir el comportamiento del mercado financiero.

Los precios diarios del mercado y los indicadores técnicos financieros se utilizan

como insumos para predecir el precio de cierre futuro de un día de las acciones

individuales. La predicción del movimiento del precio de las acciones generalmente

se considera una tarea desafiante e importante para el análisis de series temporales

financieras. La predicción precisa de los movimientos del precio de las acciones

podría desempeñar un papel importante para ayudar a los inversores a mejorar el

rendimiento de las acciones. La complejidad en la predicción de estas tendencias

radica en el ruido inherente y la volatilidad en el movimiento del precio de las

acciones diarias. La red regularizada bayesiana asigna una naturaleza probabilística

a los pesos de la red, permitiendo que la red penalice de manera automática y óptima

modelos excesivamente complejos. La técnica propuesta reduce el potencial de

sobreajuste y sobreentrenamiento, mejorando la calidad de predicción y la

generalización de la red. Los experimentos se realizaron con acciones de Microsoft

Corp. y Goldman Sachs Group Inc. para determinar la efectividad del modelo. Los

resultados indican que el modelo propuesto funciona tan bien como los modelos más

avanzados sin la necesidad de preprocesamiento de datos, pruebas de estacionalidad

o análisis de ciclo.” (Ticknor, 2018)

 Statistically optimal perception and learning: from behavior to neural

representations.

“Human perception has recently been characterized as statistical inference based

on noisy and ambiguous sensory inputs. Moreover, suitable neural representations of

uncertainty have been identified that could underlie such probabilistic computations.

In this review, we argue that learning an internal model of the sensory environment is

another key aspect of the same statistical inference procedure and thus perception

and learning need to be treated jointly. We review evidence for statistically optimal

learning in humans and animals, and re-evaluate possible neural representations of

uncertainty based on their potential to support statistically optimal learning. We

propose that spontaneous activity can have a functional role in such representations

leading to a new, sampling-based, framework of how the cortex represents

information and uncertainty.” (Fiser, Berkes, Orbán, & Lengyel, 2010)

 Anexos

Ilustración 1: Captura de pantalla del script de la búsqueda en Scopus.

 Lista de referencias

Catalao, J. P. S., Mariano, S. J. P. S., Mendes, V. M. F., & Ferreira, L. A. F. M. (2007). An

Artificial Neural Network Approach for Short-Term Electricity Prices Forecasting. 2007

International Conference on Intelligent Systems Applications to Power Systems, 15(1),

15–23. https://doi.org/10.1109/ISAP.2007.4441655

Kuo, R. J. (2001). Sales forecasting system based on fuzzy neural network with initial

weights generated by genetic algorithm. European Journal of Operational Research,

129(3), 496–517. https://doi.org/10.1016/S0377-2217(99)00463-4

Lin, H. F., & Chen, C. H. (2013). An Intelligent Embedded Marketing Service System based

on TV apps: Design and implementation through product placement in idol dramas.

Expert Systems with Applications, 40(10), 4127–4136.

https://doi.org/10.1016/j.eswa.2013.01.034

Majhi, R., Panda, B., Pandu, S., Majhi, B., & Panda, G. (2010). Classification of Consumer

Behavior Using Functional Link Artificial Neural Network. In 2010 International

Conference on Advances in Computer Engineering (pp. 323–325).

https://doi.org/10.1109/ACE.2010.68

Motiwalla, L., & Wahab, M. (2000). Predictable variation and profitable trading of US

equities: A trading simulation using neural networks. Computers and Operations

Research, 27(11–12), 1111–1129. https://doi.org/10.1016/S0305-0548(99)00148-3

Russo Tommaso, Parisi Antonio, Progia Marina, Boccoli Fabrizio, Cigninic Innocenzo,

Tordonic Maurizio, C. S. (2011). When behaviour reveals activity: Assigning fishing

effort to métiers based on VMS data using artificial neural networks, 111(1–2), 53–64.

Serhat Peker, Altan Koyyigit, P. E. E. (2017). A hybrid approach for predicting customers’
 individual purchase behavior, 46(10), 1614–1631.

Ticknor, J. (2018). A Bayesian regularized artificial neural network for stock market

forecasting. Expert Systems with Applications (Vol. 40).

Proceeding. (2014). 2013 International Conference of Information Technology and Industrial

Engineering, ITIE 2013. WIT Transactions on Information and Communication

Technologies, 48 VOLUME(May), 2018. Retrieved from

https://www.scopus.com/inward/record.uri?eid=2-s2.0-

84896900421&partnerID=40&md5=592b98337f9322d507816cadf6d7e535

Fiser, J., Berkes, P., Orbán, G., & Lengyel, M. (1 de 3 de 2010). Statistically optimal

perception and learning: from behavior to neural representations. Trends in cognitive

sciences, 14(3), 119-30.