Monte Carlo Szimuláció

„Mark, a karácsonyi kampány ROI-ját szeretném látni konfidencia-intervallumokkal: mi a worst-case, mi a best-case, és mi a legvalószínűbb forgatókönyv. Holnap reggelig legyen készen!”

Mark felkészül, elindítja a Monte Carlo-szimulációt 10 000 iterációval a kattintási arány és kosárérték bizonytalanságaival. Másnap a board megnézheti a megtérülés-sűrűségfüggvényt, és biztonsággal (vagy bizonyos kockázattal) allokálhatja a büdzsét.

Nézzük, mi az a Monte Carlo simulation, és miért nélkülözhetetlen a kockázatalapú marketingtervezésben.

0. Mi az a Monte Carlo simulation?

Véletlensokaságon alapuló iteratív számítás, amely bemeneti eloszlásokból kimeneti eloszlást képez.

1. Miért jó?

• Bizonytalanság modellezése: lehetővé teszi, hogy változók eloszlása mentén többszörös szcenáriót vizsgálj.
• Rugalmasság: bármilyen valószínűségi eloszlást használhatsz (normál, log-normal, egyenletes, stb.).
• Kimeneti eloszlás: nemcsak egy pontbecslést, hanem a kimeneti eredmény valószínűségi eloszlását is megkapod.
• Döntéstámogatás: konfidencia-intervallumok, kockázati mutatók kiszámítására is alkalmas.
• Teljes kockázati spektrumot ad.
• Nem csak egy pontbecslést, hanem konfidencia-intervallumot is.

2. Hogyan számíthatod ki?

1. Bemeneti eloszlások meghatározása: minden bizonytalan változóról kiválasztasz egy statisztikai eloszlást és paramétereket (átlag, szórás stb.).
2. Véletlen mintavétel: minden inputból generálsz egy-egy értéket a meghatározott eloszlás szerint (pl. =NORM.INV(RAND(); átlag; szórás)).
3. Modell futtatása: az így kapott értékeket betáplálod a kalkulációs képletbe vagy modellbe, és kiszámolod a kimenetet.
4. Ismétlés: a fenti 2–3. lépést ezerszám vagy tízezerszám végrehajtod, minden iterációban új véletlen mintát használva.
5. Eredmények összegzése: a kimeneti eredményekből hisztogramot készítesz, és kiszámolod az átlagot, mediánt, konfidencia-intervallumokat.

3. Mikor használd?

• Komplex modellek esetén, ahol zárt alakú megoldás nincs vagy nehéz.
• Nagy bizonytalanság mellett (pl. inputok széles eloszlása).
• Kockázatelemzésnél: worst-case, best-case és legvalószínűbb kimenetek feltárására.
• Projekttervezésben, pénzügyi előrejelzésben, készlet- és kapacitástervezésben.

4. Marketing-példák

• Kampány-ROI szimuláció: email-, display- és social-spend bizonytalan hatásának vizsgálata.
• Eladás-előrejelzés: napi forgalom szóródásának modellezése a szezonális ingadozásokkal együtt.
• CLTV-becslés: vásárlási gyakoriság és kosárérték véletlenszerű ingadoztatása az élettartam-érték eloszlásához.
• Árkockázat: kedvezményes árstratégiák hatásának szimulációja különböző versenypiaci feltételek mellett.

5. Case Study: havi bevétel-szimuláció

Bemenet:

• Átlagos forgalom = 500 000 Ft, havi szórás = 50 000 Ft (normál eloszlás)
• E-mail kampány konverziós arány = 8 % ±2 % (normál eloszlás)

Függvény Excelben minden iterációhoz:

• Bevétel = NORM.INV(RAND(); 500000; 50000)
• CR = NORM.INV(RAND(); 0.08; 0.02)
• Megtérülés = (Bevetel * CR * ÁtlagosKosárÉrték) / KampányKöltség

Szimuláció: 10 000 iteráció → 10 000 ROI-érték.

Eredmény:

• ROI átlaga, 95 %-os konfidencia-intervallum: [1,2×; 1,6×]
• Kockázatjelző: 5 % alatti ROI-k aránya ≈ 8 %.
• Döntés: ha a vállalat csak ROI ≥ 1,5×-et fogad el, a szimuláció alapján a kampányt 65 % valószínűséggel indítsa.

6. Mikor ne használd?

• Kismintás adatoknál (néhány tíz vagy száz megfigyelés), mert a véletlen fluktuáció torzíthat.
• Determinisztikus modellek esetén, ahol nincs többféle kimenet (logisztikus regresszió diszkrét válaszának helyett).
• Számítási korlátok: nagyon nagy iterációszám esetén hosszú futási időt igényelhet.
• Input eloszlások ismeretének hiányában: ha pontatlanul határozod meg az inputok eloszlását, a kimeneti eloszlás is félrevezető lesz.

7. Milyen üzleti kérésekre kaphatsz választ?

• A CFO azt kéri: „Mutasd meg, milyen ROI-eloszlás jön ki, ha kattintási arányunk és kosárértékünk is ingadozik” – hogyan építed fel a szimulációt?
• A kampánytervezésnél szeretnél 95 %-os konfidencia-intervallumot a bevételre – hány iteráció kell, és mit mutat ez?
• Ha egyszerre a display, social és email költés is bizonytalan, hogyan döntöd el, hol spóroljunk?
• A marketing vezető kíváncsi, mennyire „riogasson” a worst-case forgatókönyv – hogyan adod meg?