SIMULAREA FENOMENELOR DE MARKETING

Simularea face parte din rândul cercetărilor de marketing cauzale (explicative), ea fiind
strâns legată de experimentele de marketing şi de modelarea fenomenelor de marketing . Simularea
stă la baza multor jocuri de întreprindere, a unor experimente de marketing, a cercetării
comportamentului de cumpărare şi de consum, a fundamentării previziunilor de marketing şi a
mixului de marketing. Tehnicile de simulare presupun, prin utilizarea analogiilor, construirea unor
modele care să reprezinte fenomenele şi procesele de marketing reale precum şi desfăşurarea unor
experimente pe aceste modele.

Simularea bazată pe cunoştinţe

Multă vreme simularea a intrat foarte puţin în contact cu o serie de domenii ale ştiinţei (cum
ar fi, spre exemplu, psihologia, foarte importantă din punct de vedere al studierii comportamentului
consumatorului, în marketing, dar şi al conducerii resurselor umane, în management), principalul
motiv exprimat fiind problemele tehnice ale simulării. Aplicaţiile s-au orientat, cu precădere, către
disciplinele tehnice şi economice, aşa încât evaluarea metodei s-a realizat, în principal, prin prisma
unor criterii de eficienţă de natură tehnică şi economică. Utilizarea simulării în afara domeniilor
menţionate mai sus, mai ales în cele greu formalizabile, impune noi cerinţe modelării, iar orientarea
către aplicaţii şi concepte îndepărtate de specificul domeniului devine tot mai necesară.

Modelarea simulării

Simularea este un instrument puternic în rezolvarea unor probleme pentru care nu este
cunoscut un algoritm (unitar). În special în domeniul producţiei apar o serie de cerinţe care sunt
rezolvate cu ajutorul simulării. Ca exemple, pot fi enumerate: analiza problemelor, definirea
cataloagelor de comandă precum şi construcţia de sisteme în fazele de proiect, implementare, testare
şi evaluare. Adesea se vorbeşte despre simulare ca fiind ultimul "loc de refugiu", atunci când alte

1
metode (în speţă, cele matematice) nu sunt eficiente1. Dar existenţa acestei variante nu garantează,
totuşi, celui interesat, că va atinge ceea ce şi-a propus. Cei care dezvoltă aplicaţii de simulare
tradiţionale utilizează instrumente convenţionale, cu orientare algoritmică, limbaje de programare
evoluate sau limbaje specializate de simulare. Adesea ei sunt obligaţi, din această cauză, să
transforme mediul de o manieră care lasă puţin spaţiu de mişcare.
Alături de aceste aspecte, apar alte cerinţe complexe, precum construcţia sistemelor şi
validarea lor, testarea ipotezelor şi analiza rezultatelor simulării, care fac apel, într-un grad ridicat, la
expertiză atât în ceea ce priveşte nivelul programării cât şi aplicarea acesteia. Cu alte cuvinte:
simularea tradiţională este o tehnică temporal-intensivă şi generatoare de costuri. În lumina
progreselor rapide din informatică, iar în paralel, a cerinţelor crescânde din partea utilizatorilor de
calculatoare, restricţiile asociate utilizării simulării apar ca tot mai greu de acceptat. Realizările din
domeniul inteligenţei artificiale şi în special din cel al sistemelor expert, precum şi cele obţinute din
lucrul cu reprezentări complexe ale cunoştinţelor, dar şi testarea unor noi stiluri de programare pentru
creşterea flexibilităţii reprezentării obiectelor sau îmbunătăţirea controlului anomaliilor, pot apărea ca
deosebit de folositoare în dezvoltarea aplicaţiilor de simulare.
Simulării convenţionale îi sunt caracteristice următoarele trăsături:
 prelucrarea aproape integral numerică;
 legătura strânsă între date şi informaţiile de control. Înglobarea unor cunoştinţe noi impune, cel
mai adesea, modificarea structurii programului;
 limbaje şi instrumente de simulare adesea rigide şi greoaie (lipsite de supleţe);
 mulţimea de cerinţe complexe suplimentare, care apar în domeniul modelării şi simulării (ca de
exemplu, compararea comportamentului actual cu cel aşteptat al sistemului, estimarea
performanţei sistemului, descrierea dimensiunilor critice, ajustarea parametrilor sistemului etc.);
 cunoaşterea tuturor dimensiunilor relevante ale domeniului problemei şi a dependenţelor acestora,
cel puţin atunci când rezultatele trebuie să aibă un anumit grad de relevanţă. Cunoştinţe
insuficiente sau cu un grad scăzut de încredere cu privire la domeniul problemei de modelat pun
sub semnul întrebării aplicarea procedeului simulării, lucru care, de altfel, este valabil şi în cazul
sistemelor expert.
Noţiunea de "simulare bazată pe cunoştinţe" semnifică faptul că evoluţia simulării
tradiţionale se bazează pe dezvoltări care s-au axat pe interesul pentru cunoştinţe şi cercetarea
acestora. Atât inteligenţa artificială cât şi simularea operează cu modele care conţin cunoştinţe. Spre
deosebire de simulare, inteligenţa artificială s-a ocupat detaliat, însă, cu problemele reprezentării
cunoştinţelor.

1
S. Unseld, Künstliche Intelligenz und Simulation in der Unternehmung, B.G. Teubner, Stuttgart, 1990, p. 28.
2
 Trăsături ale inteligenţei artificiale şi importanţa lor pentru simulare

Arhitectura de sistem. Demersul bazat pe cunoştinţe permite ca, în cadrul modelării,

cunoştinţele implicate să fie împărţite epistemiologic în diferite categorii iar aceste categorii să fie
modelate separat. Înţelegerea întregului sistem devine astfel mai bună, iar modelarea diferitelor
planuri are o bază conceptualizată.
Simularea poate profita de arhitectura sistemelor bazate pe cunoştinţe, dacă se orientează
asupra unor aspecte ca: modularitate, transparenţă sau capacitate de deservire. Dacă, spre exemplu,
mecanismul de simulare – analog mecanismului inferenţial, ar fi separat de date, ar creşte
transparenţa modelului de simulare şi ponderea reprezentării explicite a cunoştinţelor. Modificările
ulterioare ar putea fi operate mai uşor, din moment ce cade înlănţuirea dintre date şi prelucrare.
Pentru sisteme dinamice apar noi procedee de descriere şi analiză.
Reprezentarea cunoştinţelor. Pentru construcţia modelelor de simulare sunt importante,
alături de reflecţii teoretice privind sistemele, şi întrebările privind reprezentarea cunoştinţelor. Chiar
şi un sistem de simulare reprezintă, într-o anumită accepţiune, un model de cunoaştere. El conţine
cele mai importante cunoştinţe cu privire la domeniul modelat, precum şi faptele şi know-how-ul
prelucrării faptelor. Din motive de eficienţă acest know-how este adesea "îngropat" în coduri de
computer. De aceea este puţin structurat, foarte fragmentat şi împărţit prin mai multe programe.
Această situaţie îngreunează sau face chiar imposibilă privirea în interiorul modului în care rulează
programul.
Noile formalizări pentru reprezentarea cunoştinţelor (reţele semantice, frame-uri, reguli etc.)
dezvoltate şi implementate în inteligenţa artificială permit observaţii asupra lumii într-o manieră
familiară unui individ2. Structurarea fiecărui obiect şi a fiecărei componente într-o ierarhie a
generalizării, respectiv a specializării permite nu numai o cunoaştere asupra entităţilor lumii reale,
luate individual, ci şi o meta-cunoaştere, referitoare la structura entităţilor şi legăturile lor.
Capacitatea modelării. Atât în cazul modelelor de simulare cât şi a sistemelor bazate pe
cunoştinţe, modelarea stă pe primul plan. Simularea tradiţională utilizează modele de proces
descriptive, în timp ce sistemele bazate pe cunoştinţe folosesc modele constructive ale proceselor
umane de judecată, decizie şi acţiune. Prin combinarea modelelor procesuale "pasive" cu modelele de
acţiune "active" este substanţial crescută capacitatea modelării iar construcţia modelelor de simulare
simplificată. Cerinţe, ale căror părţi de control şi decizie sunt foarte greu sau imposibil de modelat,
devin astfel accesibile simulării.

2
J. Retti, Frame-basierte Wissensrepräsentation für Modellierung und Simulation. Bericht der Östereichischen
Studiengesellschaft für Kybernetik, extrase accesibile în Internet.
3
 Funcţionalitate flexibilă. Modelarea tradiţională în cadrul simulării se bazează adesea pe
demersul funcţional, în timp ce modelarea sistemelor bazate pe cunoştinţe încearcă să reprezinte
domeniul problemei cu ajutorul modelelor constructive. Abordarea bazată pe model, vis-a-vis de
abordarea funcţională prezintă următoarele avantaje:
 un model defineşte implicit, mulţimea tuturor funcţiunilor sale potenţiale posibile; dacă
există un model al lumii reale, funcţiunilor existente le pot fi adăugate oricând unele noi.
 chiar dacă specificaţiile funcţionale ale sistemului satisfac cerinţele potenţialilor
utilizatori, aceştia văd prin implementare o deformare a realităţii. De aceea, un model
trebuie să se constituie într-o bază de comunicare între executant şi utilizator, mai ales
pentru faptul că utilizatorul nu trebuie să se chinuiască cu specificaţiile funcţionale
tehnice. Ceea ce este relevant nu rămâne ascuns în formule, iar punctele slabe sunt
identificabile cu uşurinţă.
Simularea mediului artificial. Majoritatea sistemelor bazate pe cunoştinţe nu posedă un
mediu comun. Cunoştinţele care sunt introduse în sistem sunt selective, pe domeniul problemei de
rezolvat, deci, corespunzătoare obiectivelor formulate, şi descriu, pentru sistemul respectiv, mediul
acestuia. Intrările în sistem sunt selectate exclusiv pe baza relevanţei lor pentru problema cercetată,
independent de importanţa lor potenţială asupra mediului.
Pornind de la caracteristicile unui mediu real şi de la funcţiile pe care le îndeplineşte acesta
(serveşte agentului uman sau tehnic în orientarea acţiunilor, stocarea informaţiilor şi furnizarea de
feed-back), sunt formulate, în continuare, condiţiile care trebuie să stea la baza modelării unui mediu
pentru sistemele bazate pe cunoştinţe3. Funcţiile menţionate mai sus pot fi exercitate doar în situaţia
în care mediul este independent şi separat de agenţi. În cazul contrar, nu există o dinamică a
sistemului care să nu fie în acelaşi timp şi a agentului însuşi, iar pe de altă parte, mediul nu ar
cunoaşte nici o schimbare dacă agentul nu ar acţiona în această direcţie. Următoarele condiţii sunt
strâns legate de premisa esenţială formulată anterior, respectiv de independenţa şi autodinamica
sistemului:
 important pentru o modelare cât mai fidelă a realităţii (agent şi mediu) este existenţa definirii
temporale în cadrul mediului. Timpul este un atribut al mediului, independent de agenţi. Procesele
din mediu şi acţiunile agenţilor se supun acestei variabile.
 mediul trebuie să fie bogat în caracteristici şi suficient de complex din punct de vedere cauzal,
astfel încât un agent să nu poată descoperi structura sa de desfăşurare, ceea ce i-ar permite să
poată prevedea toate evenimentele viitoare. Analog agentului uman, agentul tehnic nu este
niciodată în posesia tuturor informaţiilor de mediu. Informaţiile parţiale pe care le deţine îi permit
doar un control şi o posibilitate de influenţare parţială şi în special locală.

4
 reprezentarea mediului trebuie să fie, până la un anumit grad, independentă de funcţiile sale
ulterioare posibile. Cu toate acestea, mediul simulat ar trebui să susţină acele interacţiuni care pot
fi influenţate, în viaţa reală, de procesele cognitive ale agenţilor.
 realizarea acţiunilor este în realitate limitată de mediu, respectiv de caracteristicile acestuia
(restricţii temporale, cauzale, sociale). Similară este, spre exemplu, durata proceselor în mediul
modelat, pe care agenţii adesea nu o pot preciza şi care poate afecta, de pildă, începutul unei
activităţi. Constituţia spaţială a mediului este importantă pentru comportamentul agentului în
special pe planul subcognitiv. În plus, alte restricţii din mediu, de natură socială, trebuie luate în
considerare în modelarea simulării. Spre exemplu, mişcarea într-un birou cu mai multe persoane
nu presupune numai evitarea barierelor fizice (mobilier etc.) ci impune şi respectarea legilor
nescrise din domeniul interacţiunii umane.
Prin urmare, în afara caracteristicilor constitutive ale mediului (structura temporală, spaţială
şi cauzală; mărimea şi complexitatea sa), şi alţi factori sunt determinanţi pentru comportamentul
cognitiv al unui agent, respectiv existenţa altor agenţi în mediu şi interacţiunea permanentă cu alţi
agenţi (ca o modalitate de a-i înţelege). În funcţie de nivelul modelării, mediului psiho-social şi
respectiv existenţei altor agenţi li se acordă o importanţă mai mare sau mai mică.
Utilizarea unor metode şi tehnici care aparţin atât inteligenţei artificiale cât şi modelării sau
simulării a condus la realizarea unor sisteme hibride. Principala motivaţie a creării lor este eficienţa
superioară pe care o pot avea faţă de sisteme doar de o singură natură.

Domeniul atribuţiilor inteligenţei artificiale Domeniul atribuţiilor simulării

Susţinerea modelării
 construcţia modelului  construcţia modelului
 alegerea experimentului
 stabilirea ipotezelor
Interfaţa cu utilizatorul
 controlul şi conducerea utilizatorului
 interogări cu privire la comportamentul modelului
Interacţiune
 filtrarea datelor de intrare pentru simulare  supravegherea procesului
 evaluarea datelor de ieşire ale simulării  testarea ipotezelor
 răspunsuri la întrebări de tipul "what-if"

3
S. Unseld, op.cit., p. 36.
5