Un desafío de predecir la actuación de un nuevo producto en los mercados globales – en este caso, las películas- es la gran abundancia de las fuentes de información que compiten. Surgen desafíos adicionales cuando se lanzan productos en secuencia. La información se vuelve disponible en diferentes puntos y requiere que se generen nuevas previsiones en cada fase.
Pradeep K. Chintagunta, catedrático de la University of Chicago Graduate School of Business, y Ramya Neelamegham del Amrita Institute of Management en India, examinan estos temas en su estudio, "A Bayesian Model to Forecast New Product Performance in Domestic and International Markets."
Usando la industria del cine como un entorno, los autores desarrollaron un enfoque estadístico acerca de como actuarán las películas, particularmente durante la primera semana de estreno.
"La industria del cine se adapta de forma ideal para estudiar si la información de un mercado puede utilizarse para predecir el éxito en otros mercados," dice Chintagunta.
Además, la metodología de los autores puede aplicarse a casi cualquier industria que use estas estimaciones. En el mercado nacional, el modelo podría predecir lanzamientos en diferentes estados o regiones, quizás para predecir las ventas en video de una película usando datos de la fase de actuación. Internacionalmente, puede usarse casi cualquier categoría de producto donde exista un lanzamiento en secuencia. Ejemplos incluyen el lanzamiento secuencial de las tarjetas de crédito de Citibank en la región Asia Pacífico y el lanzamiento del parche de nicotina primero en Irlanada y después en los Estados Unidos.
Cómo se hace un modelo de éxito
El modelo de Chintagunta y Neelamegham funciona de la manera siguiente. Las películas se estrenan primero en los Estados Unidos y Canadá antes que en otros países. Por consiguiente, la información sobre la actuación de una nueva película en estas regiones se puede usar para hacer predicciones en los mercados extranjeros. La información de los Estados Unidos y Canadá se combina con la actuación de películas previas estrenadas en esos mercados internacionales.
Escogiendo 35 películas, los autores, analizaron sus datos de los Estados Unidos, Australia, Brasil, Canadá, Francia, Alemania, Italia, Japón, México, los Países Bajos, España, Sudáfrica, Suecia, y el Reino Unido. Los últimos 13 países representan más del 80 por ciento de la taquilla del extranjero para las películas americanas. En la mayoría de los países, el promedio de espectadores la primera semana casi dobla el de semanas siguientes, por lo que los autores se centraron en pronosticar la actuación esa primera semana.
Chintagunta y Neelamegham reunieron sus datos de la taquilla nacional y del extranjero, de los informes de la revista Variety del 1 de enero de 1994 al 26 de mayo de 1996. Además de los ingresos, los datos incluían el número de pantallas que exhibían una película, el número de semanas, el puesto, y el nombre de cada poseedor de los derechos y del distribuidor local. Para conseguir inforamación sobre género, presencia o ausencia de estrellas importantes, críticas y las clasificaciones de la Motion Picture Association of America (MPAA), los autores recurrieron a Cinemania Index.
Cómo se hace una película de éxito
Los que toman las decisiones en la industria del cine necesitan previsiones en cinco fases, por lo que Chintagunta y Neelamegham probaron su modelo a cada nivel. Cuando primero evaluaron el mercado, la información está ligada a una base de datos histórica de la actuación de los estrenos en mercados internacionales. Los estudios usan las previsiones en este punto, para ayudarse a elegir una película y los mercados para su estreno. Después de que la película ha sido producida, se conocen características como género y estrellas, y los directivos buscan previsiones de prelanzamiento para ayudarse a formular la estrategia de distribución. La tercera fase es el lanzamiento antes del de nivel nacional, fase en la que los autores incorporaron la estrategia de distribución.
Esta previsión ayuda a los ejecutivos a planear la actividad de marketing sobre el ciclo de vida de la película y tomar decisiones acerca del lanzamiento internacional. Después del lanzamiento nacional, los datos de actuación nacionales se pueden usar para afinar aún más la previsión. Por último, los autores hicieron una quinta previsión justamente antes del lanzamiento internacional, utilizando toda la información posible, para hacer más precisas las decisiones estratégicas y valorar la competencia.
Para encajar los datos existentes dentro de su modelo, Chintagunta y Neelamegham determinaron que el factor clave en el éxito de una película en los Estados Unidos es, como se esperaba, el número de cines que exhiben la película.
"Esto también parece aplicarse también a los mercados internacionales," dice Chintagunta.
Las estrellas de renombre tienen un importante impacto positivo, especialmente en Estados Unidos, Japón, y Sudáfrica. Los distribuidores nacionales, que necesitan más atención y apoyo, aseguran una mayor distribución internacional. Es una historia diferente en el mercado nacional, escriben los autores, donde "el poder y la fuerza financiera de los grandes estudios empuja a esta distribución."
En términos de preferencias por géneros, el Reino Unido, Canadá, Australia, e Italia prefieren las películas de acción; Japón y Corea prefieren las películas policíacas; y el público de los Estados Unidos, Suecia, Alemania, y Sudáfrica son tienen debilidad por el romance.
"Lo que esto significa," explica Chintagunta, "es que es posible crear agrupaciones no geográficas de países para el marketing de las películas, basado en sus preferencias relativas. La forma en que estas agrupaciones se revelaron fue un tanto sorpresivo."
Para probara ese modelo de exactitud en hacer predicciones específicas, Chintagunta y Neelamegham desarriollaron previsiones de visionado de la primera semana para 10 películas: La red (The Net), Waterworld, Mentes peligrosas (Dangerous Minds), 12 monos (12 Monkeys), Heat, Como conquistar Hollywood (Get Shorty), Seven, Toy Story, Jumanji, y Nueve meses (Nine Months). Comparando sus predicciones con el visionado actual, el porcentaje medio absoluto de error [mean absolute percentage error] (MAPE) resultó ser un 45,2 por ciento para los Estados Unidos, un 44,5 por ciento para Canadá, y un 43,3 por ciento para los mercados internacionales.
Los mercados con los MAPEs más grandes fueron Brasil con un 69 por ciento y el Reino Unido con un 64,5 por ciento. Los cálculos de Chintagunta y Neelamegham fueron mucho más cercanos para Japón y Alemania, con 21 y 22,4 por ciento, respectivamente. La verdad es que, estos cálculos podrían significar una mejora.
"Una de las razones para los niveles de actuación actuales," explica Chintagunta, "es que no tenemos acceso a la información de otras variables que influyen en el visionado de una película, como la publicidad, los presupuestos de producción, y la programación para su esteno."
Comparado con otros modelos de marketing, sin embargo, el modelo de Chintagunta y Neelamegham es una gran mejora del juego de adivinanzas jugado por los estudios. Porque el enfoque no solo combina diferentes tipos de fuentes de información, sino que funciona con información incompleta, permitiendo predicciones anticipadas en proceso de filmación de la película.
Cuando hay más información disponible, la exactitud mejora. Finalmente, la predicción da una variedad estimada, más que un punto estimado específico, y más exactitud refleja los errores de previsión.
La investigación de Chintagunta y Neelamegham, resutaría útil a ejecutivos de películas que estan planificando y planeando sus actividades de marketing y negociando los contratos.
"Nuestros resultados subrayaron que el tema de cada película es único, como son los resultados de asistencia en cada país, debidos a una interacción de producto y mercado," escribe Chintagunta. "Por lo tanto, la industria cinematográfica debería usar tanto información especifica de producto como de mercado, para hacer las previsiones de actuación de una nueva película."
De películas a vídeos e incluso videocámaras
Cuando la industria se esfuerza por comprender y predecir las ventas de nuevas películas en los mercados nacional y extranjero, la investigación de Chintagunta y Neelamegham se hace mucho más necesaria. De hecho, dice Chintagunta, algunas personas que toman las decisiones que entrevistaron para el estudio le pidieron que implementaran los modelos para adaptarlos a los gustos del consumidor.
Chintagunta, sin embargo, va más allá en nuevas áreas de estudio. Aplicando sus métodos como cámaras digitales y videocámaras, la variedad de productos en los que pude usarse su modelo está clara.
Hoy más de cien modelos están disponibles en el mercado. Cuando se introducen con rapidez nuevos productos, las firmas necesitan desarrollar previsiones para estos modelos.
"Los productos de tecnología parecen ser el siguiente paso natural," dice Chintagunta. "Si uno mira a una categoría como las cámaras digitales, por ejemplo, comenzamos con sólo un par de modelos hace algunos años."
El trabajo es complicado, por el hecho de que los atributos del producto de tecnología están evolucionando constantemente y tienen que determinarse antes de prever la actuación de ventas.
Además, debido a que los productos de tecnología como las cámaras digitales, son una categoría relativamente nueva, las preferencias del consumidor están evolucionando también. Parece que Chintagunta estará muy ocupado durante algún tiempo.
Pradeep K. Chintagunta
Fuente: The University of Chicago Graduate School of Business
http://gsbwww.uchicago.edu/
Traducción: todomba.com
| < Prev | Próximo > |
|---|