have SoV larger than their SoM. He

have SoV larger than their SoM. He formalized this relationship
as the advertising intensiveness curve (AI). Jones championed
the AI relationship as a practical tool to help marketers
set their advertising budgets, noting that the relationship suggests
a maintenance level of spend; brands tend to spend
around this level and tend to be stationary. Jones’s (1990)
research confirmed an advertising economy of scale, which
had previously been acknowledged (Aaker and Carman 1982;
Arndt and Simon 1983; Comanor and Wilson 1969). Research
into advertising elasticities consistently showed that elasticities
tend to be smaller for larger, established brands and vice
versa (Assmus, Farley, and Lehmann 1984; Sethuraman,
Tellis, and Briesch 2011; Tellis 2009), which suggests a diseconomy
for larger brands. Subsequent investigations
extended Jones’s AI research and documented consistent, AIlike,
asymmetric relationships between SoV and SoM in a
number of conditions, for example, Buck (2001) using a U.K.
longitudinal survey of premium brands; Hansen and Christensen
(2005) using 1980s’ AdLab single-source U.K. household
panel data; Binet and Field (2013, 2007) using IPA Effectiveness
Awards data; and Field (2009) using aggregate data from
30 Consumer Packaged Goods (CPG) categories. These extensions
confirmed the widespread empirical regularity of AI-like
relationships observed at industry and campaign level within
manifold conditions of TV only, aggregated multimedia,
across countries and diverse data. An explanation of this pattern
is that it reflects many natural experiments, where larger
brands have found that they can spend proportionately less
without losing market share. A competing explanation is that
larger brands spend proportionately less because their elasticities
are lower and they encounter diminishing returns from
expenditures above these levels.
In 2005 Hansen and Christensen started documenting
changes in SoV and SoM over time. In 29 categories with
more than one year of data, about half showed the expected
association between changes in SoV and subsequent changes
in SoM. They identified conditions that refine the AI relationship
and noted vast differences in the pattern across categories,
related to the intensity and concentration of advertising. However,
their data were restricted to household diary recall data
for TV viewing and purchase from 1985 to 1990 when the
media environment was dominated by television. It is important
to test applicability in today’s dynamic media environment
and in different markets where different media dominate
with data widely used in current practice.
This phenomenon was explored further, when Binet and
Field (2007) documented an “equilibrium SoV” showing an
AI-like asymmetric relationship of SoV with brand size. They
demonstrated the metric that determines the level of a brand’s
market share growth is its extra (or excess) share of voice
(ESOV), defined as SoV minus SoM. Field (2009) extended
the analysis across 123 CPG brands. The relationship between
ESOV and growth was quantified: The “average” relationship
that a CPG brand could expect is value market share growth
of 0.5% per year for each of the 10 points of ESOV. This is
equivalent to an elasticity of 0.05, which is in accord with the
meta-analysis-derived average advertising elasticity of Sethuraman,
Tellis, and Briesch (2011). In these studies Binet and
Field did not calculate ESOV as the excess above the AI equilibrium
level; instead, they used the criterion of SoV D SoM.
They noted differences across categories and brands. Advertising
elasticities have also been found to differ between categories
and countries (Assmus, Farley, and Lehmann 1984;
Sethuraman, Tellis, and Briesch 2011; Tellis 2009) and with
the intensity of competitive advertising (Danaher, Bonfrer, and
Dhar 2008). The weight of evidence suggests it is important
that a brand understand its industry-specific SoV and SoM
relationship. Critiquing the evidence, we posit it is this industry-
specific AI relationship that looks most promising as a
benchmark of a brand’s equilibrium share of voice. However,
to be useful to managers to determine their advertising budgets,
further validations of the AI relationship are needed across
diverse conditions of industries (e.g., non-CPG and markets of
different maturity stages), countries (e.g., different economic
conditions), and in diverse media (e.g., radio, outdoor, Internet).
Confirmation of whether the AI relationship indicates a
brand’s maintenance level of expenditure is needed through
examining the market share stability of brands that consistently
spend at the AI-indicated level and, importantly, direct comparisons
between competing approaches, for example, the AI
relationship against the naive model of SoV D SoM. This article
does this through replication and novel extension to test
the longitudinal relationship between SoV and SoM change to
investigate

ผลลัพธ์ (ไทย) 1:

มี SoV ใหญ่กว่า SoM. ของพวกเขา เขา formalized ความสัมพันธ์นี้เป็น intensiveness โฆษณาโค้ง (AI) โจนส์ championedความสัมพันธ์ AI เป็นเครื่องมือปฏิบัติจะช่วยให้นักการตลาดกำหนดงบประมาณโฆษณาของพวกเขา สังเกตว่า ความสัมพันธ์แนะนำระดับที่ใช้ในการบำรุงรักษาการใช้จ่าย แบรนด์มักจะ ใช้รอบนี้ระดับ และมักจะ มีเครื่องเขียน ของโจนส์ (1990)งานวิจัยยืนยันเศรษฐกิจโฆษณาของเครื่องชั่ง ที่ได้ก่อนหน้านี้ถูกยอมรับว่า (Aaker และคนขับรถ 1982ดท์และ Simon 1983 Comanor และ Wilson 1969) งานวิจัยลงโฆษณา elasticities ที่แสดงให้เห็นอย่างต่อเนื่องที่ elasticitiesมักจะ มีขนาดเล็กใหญ่ สร้างแบรนด์และรองในทางกลับกัน (Assmus สฟาร์ลี่ย์ และลีแมนน์ 1984 SethuramanTellis และ Briesch 2554 2009 Tellis) ซึ่งแสดงให้เห็นการ diseconomyสำหรับแบรนด์ที่มีขนาดใหญ่ สอบสวนในเวลาต่อมาขยายงานวิจัย AI ของโจนส์ และเอกสารสอดคล้องกัน AIlikeความสัมพันธ์แบบสมมาตรระหว่าง SoV และ SoM ในการจำนวนของเงื่อนไข เช่น บัค (2001) ใช้ในสหราชอาณาจักรสำรวจระยะยาวของพรีเมี่ยมแบรนด์ แฮนเซนและประเทศ(2005) โดยใช้บ้านสหราชอาณาจักรแหล่งเดียว AdLab ของทศวรรษ 1980แผงข้อมูล Binet และฟิลด์ (2013, 2007) โดยใช้ประสิทธิภาพ IPAข้อมูลรางวัล เขตข้อมูล (2009) และใช้ข้อมูลที่รวมจากประเภทผู้บริโภคบรรจุสินค้า (CPG) 30 ส่วนขยายเหล่านี้ยืนยันสม่ำเสมอเชิงประจักษ์แพร่หลายของ AI เหมือนความสัมพันธ์ที่สังเกตในระดับอุตสาหกรรมและส่งเสริมการขายภายในเงื่อนไขมากมายทีวีเท่านั้น รวมมัลติมีเดียทั่วประเทศและข้อมูลหลากหลาย คำอธิบายของรูปแบบนี้คือ ว่า มันสะท้อนถึงทดลองธรรมชาติมาก มีขนาดใหญ่แบรนด์พบว่า พวกเขาสามารถใช้จ่ายน้อยตามสัดส่วนโดยไม่สูญเสียส่วนแบ่งตลาด คำอธิบายการแข่งขันคือแบรนด์ใหญ่จ่ายตามสัดส่วนน้อยเนื่องจาก elasticities ของพวกเขาจะลดลงและพวกเขาพบการลดทอนจากค่าใช้จ่ายข้างต้นระดับเหล่านี้ในปี 2005 แฮนเซนและคริเริ่มต้นเอกสารเปลี่ยนแปลงใน SoV และ SoM เวลา ประเภท 29 ด้วยข้อมูล มากกว่าหนึ่งปีครึ่งพบว่าที่คาดความสัมพันธ์ระหว่างการเปลี่ยนแปลงใน SoV และเปลี่ยนแปลงตามมาใน SoM. พวกเขาระบุเงื่อนไขที่กำหนดความสัมพันธ์ของ AIและความแตกต่างใหญ่แสดงไว้ในรูปแบบประเภทที่เกี่ยวข้องกับความเข้มและความเข้มข้นของโฆษณา อย่างไรก็ตามข้อมูลของพวกเขาถูกจำกัดให้ครัวเรือนบันทึกการเรียกคืนข้อมูลสำหรับการรับชมทีวีและซื้อจากปี 1985 ถึง 1990 เมื่อการสภาพแวดล้อมสื่อถูกครอบงำ โดยโทรทัศน์ มันเป็นสิ่งสำคัญการทดสอบการยอมรับในวันนี้สื่อแบบไดนามิกและในต่างตลาดที่ครองสื่อข้อมูลที่ใช้กันแพร่หลายในปัจจุบันปรากฏการณ์นี้ถูกสำรวจ เมื่อ Binet และฟิลด์แสดงบันทึก "สมดุล SoV" (2007) การเหมือน AI สมมาตรสัมพันธ์ของ SoV แบรนด์ขนาดนี้ พวกเขาแสดงการวัดที่กำหนดระดับของแบรนด์ตลาดหุ้นเติบโตเป็นพิเศษ (หรือเกิน) ส่วนแบ่งของเสียง(ESOV), กำหนดเป็น SoV ลบ SoM. ฟิลด์ (2009) เพิ่มเติมการวิเคราะห์ในแบรนด์ CPG 123 ความสัมพันธ์ระหว่างESOV และเติบโตเป็นวัด: ความสัมพันธ์ "เฉลี่ย"แบรนด์ CPG อาจคาดหวังมีค่าตลาดหุ้นเติบโต0.5% ต่อปีสำหรับแต่ละ 10 คะแนนของ ESOV นี้เป็นเท่ากับมีความยืดหยุ่นของ 0.05 ที่อยู่ในสอดคล้องกับการโฆษณาเฉลี่ยที่ได้มาวิเคราะห์เมตาความยืดหยุ่นของ SethuramanTellis และ Briesch (2011) ในเหล่านี้ศึกษา Binet และฟิลด์ไม่ได้คำนวณ ESOV เป็นส่วนเกินข้างสมดุล AIระดับ แทน พวกเขาใช้เกณฑ์ของ SoV D SoM.พวกเขาตั้งข้อสังเกตความแตกต่างของหมวดหมู่และแบรนด์ โฆษณาelasticities นอกจากนี้ยังพบการแตกต่างระหว่างประเภทและประเทศ (Assmus สฟาร์ลี่ย์ และลีแมนน์ 1984Sethuraman, Tellis และ Briesch 2554 Tellis ที่ 2009) และความรุนแรงของการแข่งขันโฆษณา (Danaher, Bonfrer และทางดาร์ที่ 2008) น้ำหนักของหลักฐานแนะนำเป็นสิ่งสำคัญว่า แบรนด์ที่เข้าใจการอุตสาหกรรมเฉพาะ SoV และ SoMความสัมพันธ์ Critiquing หลักฐาน เราโพศิตเป็นอุตสาหกรรม-ความสัมพันธ์ของ AI เฉพาะที่ดูว่าเป็นการเกณฑ์มาตรฐานของแบรนด์ร่วมกันสมดุลของเสียง อย่างไรก็ตามเพื่อเป็นประโยชน์ในการจัดการการตรวจสอบงบประมาณของโฆษณาเพิ่มเติม ต้องสอบของ AI ทั่วเงื่อนไขที่หลากหลายของอุตสาหกรรม (เช่น -CPG และตลาดขั้นตอนต่าง ๆ ครบ), ประเทศ (เช่น แตกต่างกันทางเศรษฐกิจเงื่อนไข), และ ในสื่อต่าง ๆ (เช่น วิทยุ กลางแจ้ง อินเตอร์เน็ต)ยืนยันว่าการบ่งชี้ความสัมพันธ์ AIแบบำรุงรักษาระดับของรายจ่ายที่จำเป็นต้องผ่านตรวจสอบความมั่นคงร่วมตลาดของแบรนด์ที่สม่ำเสมอใช้เวลาที่ระบุไว้ AI ระดับ และ ที่สำคัญ โดยตรงการเปรียบเทียบระหว่างแนวทางการแข่งขัน เช่น AIความสัมพันธ์กับแบบหน่อมแน้มของ SoV D SoM. บทความนี้ทำงานผ่านการจำลองแบบและนามสกุลใหม่เพื่อทดสอบเปลี่ยนความสัมพันธ์ระยะยาวระหว่าง SoV และ SoMตรวจสอบ

ผลลัพธ์ (ไทย) 2:

มีขนาดใหญ่กว่า SOV Som ของพวกเขา เขากรงเล็บความสัมพันธ์นี้
เป็นเส้นโค้งการโฆษณาความรุนแรง (AI) โจนส์ปกป้อง
ความสัมพันธ์ AI เป็นเครื่องมือในการปฏิบัติเพื่อช่วยให้นักการตลาด
ตั้งงบประมาณการโฆษณาของพวกเขาสังเกตว่ามีความสัมพันธ์ที่แสดงให้เห็น
ระดับของการใช้จ่ายในการบำรุงรักษา; แบรนด์ที่มีแนวโน้มที่จะใช้จ่าย
รอบระดับนี้และมีแนวโน้มที่จะหยุดนิ่ง โจนส์ (1990)
การวิจัยยืนยันเศรษฐกิจการโฆษณาของขนาดที่
ได้รับก่อนหน้านี้ได้รับการยอมรับ (Aaker และคนขับรถ 1982;
Arndt และไซมอน 1983 Comanor และวิลสัน 1969) งานวิจัย
เข้ายืดหยุ่นโฆษณาอย่างต่อเนื่องแสดงให้เห็นว่าความยืดหยุ่น
มีแนวโน้มที่จะมีขนาดเล็กสำหรับขนาดใหญ่สร้างแบรนด์และรอง
ในทางกลับกัน (Aßmusฟาร์เลย์และมาห์ 1984 Sethuraman,
Tellis และ Briesch 2011 Tellis 2009) ซึ่งแสดงให้เห็น diseconomy
สำหรับแบรนด์ที่มีขนาดใหญ่ สืบสวน
ขยายการวิจัย AI โจนส์และจัดทำเอกสารที่สอดคล้อง AIlike,
ความสัมพันธ์ที่ไม่สมมาตรระหว่าง SOV และ Som ใน
จำนวนของเงื่อนไขเช่นบั๊ก (2001) โดยใช้สหราชอาณาจักร
สำรวจยาวของแบรนด์พรีเมี่ยม; แฮนเซนและคริส
(2005) โดยใช้ AdLab แหล่งเดียวในสหราชอาณาจักรในครัวเรือนปี 1980 '
ข้อมูลแผง; Binet และฟิลด์ (2013, 2007) โดยใช้ IPA ประสิทธิผล
ข้อมูลรางวัล; และฟิลด์ (2009) โดยใช้ข้อมูลรวมจาก
30 สินค้าบรรจุผู้บริโภค (CPG) หมวดหมู่สินค้า ส่วนขยายเหล่านี้
ได้รับการยืนยันความสม่ำเสมอเชิงประจักษ์อย่างแพร่หลายของ AI เหมือน
ความสัมพันธ์ที่พบในภาคอุตสาหกรรมและระดับแคมเปญภายใน
เงื่อนไขต่าง ๆ นานาของทีวีเท่านั้นมัลติมีเดียรวบรวม
ทั่วประเทศและข้อมูลที่หลากหลาย คำอธิบายของรูปแบบนี้
ก็คือว่ามันสะท้อนให้เห็นถึงการทดลองทางธรรมชาติมากมายที่มีขนาดใหญ่
แบรนด์ได้พบว่าพวกเขาสามารถใช้จ่ายตามสัดส่วนน้อย
โดยไม่สูญเสียส่วนแบ่งการตลาด คำอธิบายการแข่งขันคือการที่
แบรนด์ขนาดใหญ่ใช้จ่ายตามสัดส่วนน้อยลงเพราะความยืดหยุ่นของพวกเขา
จะลดลงและพวกเขาพบผลตอบแทนลดลงจาก
ค่าใช้จ่ายที่สูงกว่าระดับเหล่านี้.
ในปี 2005 แฮนเซนและคริสเริ่มต้นการบันทึกข้อมูล
การเปลี่ยนแปลงใน SOV และ Som เมื่อเวลาผ่านไป ใน 29 ประเภทที่มี
มากกว่าหนึ่งปีของข้อมูลประมาณครึ่งหนึ่งที่คาดว่าจะแสดงให้เห็น
ความสัมพันธ์ระหว่างการเปลี่ยนแปลงใน SOV และการเปลี่ยนแปลงที่ตามมา
ใน SOM พวกเขาระบุว่าเงื่อนไขที่ปรับแต่งความสัมพันธ์ AI
และสังเกตเห็นความแตกต่างมากมายในรูปแบบหมวดหมู่ที่
เกี่ยวข้องกับความรุนแรงและความเข้มข้นของการโฆษณา อย่างไรก็ตาม
ข้อมูลของพวกเขาถูก จำกัด ให้ข้อมูลไดอารี่ของใช้ในครัวเรือนการเรียกคืน
สำหรับการดูทีวีและการจัดซื้อ 1985-1990 เมื่อ
สภาพแวดล้อมสื่อถูกครอบงำโดยโทรทัศน์ มันเป็นสิ่งสำคัญ
ที่จะทดสอบการบังคับใช้ในสภาพแวดล้อมสื่อวันนี้แบบไดนามิก
และในตลาดที่แตกต่างกันที่สื่อที่แตกต่างกันครอง
กับข้อมูลที่ใช้กันอย่างแพร่หลายในการปฏิบัติในปัจจุบัน.
ปรากฏการณ์นี้ได้รับการสำรวจเพิ่มเติมเมื่อ Binet และ
ฟิลด์ (2007) เอกสารเป็น "สมดุล SOV" แสดง
AI- เช่นเดียวกับความสัมพันธ์ที่ไม่สมมาตรของ SOV มีขนาดแบรนด์ พวกเขา
แสดงให้เห็นถึงตัวชี้วัดที่กำหนดระดับของแบรนด์ที่
การเจริญเติบโตของส่วนแบ่งการตลาดเป็นพิเศษ (หรือเกิน) หุ้นของเสียง
(ESOV) กำหนดให้เป็น SOV ลบ Som ฟิลด์ (2009) ขยาย
การวิเคราะห์ทั่ว CPG 123 แบรนด์ ความสัมพันธ์ระหว่าง
ESOV และการเจริญเติบโตของปริมาณ: ความสัมพันธ์ที่ "ค่าเฉลี่ย"
ที่แบรนด์ CPG สามารถคาดหวังที่คุ้มค่าการเจริญเติบโตของส่วนแบ่งการตลาด
0.5% ต่อปีสำหรับแต่ละจุดที่ 10 ESOV นี่คือ
เทียบเท่ากับความยืดหยุ่นของ 0.05 ซึ่งอยู่ในสอดคล้องกับ
การวิเคราะห์อภิมายืดหยุ่นโฆษณาเฉลี่ยของ Sethuraman,
Tellis และ Briesch (2011) ในการศึกษานี้ Binet และ
สนามไม่ได้คำนวณ ESOV เป็นส่วนเกินดังกล่าวข้างต้นสมดุลไอ
ระดับ; แต่พวกเขาใช้เกณฑ์ของ SOV D ส้ม.
พวกเขาสังเกตเห็นความแตกต่างในแต่ละประเภทและยี่ห้อ โฆษณา
ยืดหยุ่นนอกจากนี้ยังมีการพบว่ามีความแตกต่างระหว่างประเภท
และประเทศ (Aßmusฟาร์เลย์และมาห์ 1984
Sethuraman, Tellis และ Briesch 2011 Tellis 2009) และ
ความเข้มของการโฆษณาการแข่งขัน (Danaher, Bonfrer และ
Dhar 2008) น้ำหนักของหลักฐานแสดงให้เห็นว่ามันเป็นสิ่งสำคัญ
ที่แบรนด์ที่เข้าใจ SOV และ Som ของอุตสาหกรรมเฉพาะ
ความสัมพันธ์ วิจารณ์หลักฐานที่เราวางตัวมันเป็นแบบนี้อุตสาหกรรม
สัมพันธ์ AI เฉพาะที่มีลักษณะที่มีแนวโน้มมากที่สุดเป็น
มาตรฐานของส่วนแบ่งการสมดุลของแบรนด์ของเสียง แต่
จะเป็นประโยชน์ให้กับผู้จัดการเพื่อตรวจสอบงบประมาณการโฆษณาของพวกเขา
การตรวจสอบต่อไปของความสัมพันธ์ AI ที่มีความจำเป็นข้าม
เงื่อนไขความหลากหลายของอุตสาหกรรม (เช่นไม่ใช่ CPG และตลาดของ
ขั้นตอนครบกําหนดที่แตกต่างกัน) ประเทศ (เช่นทางเศรษฐกิจที่แตกต่างกัน
ในเงื่อนไข) และ ในสื่อที่หลากหลาย (เช่นวิทยุ, กลางแจ้ง, อินเตอร์เน็ต).
ยืนยันว่าความสัมพันธ์ของเอไอระบุว่ามีการ
บำรุงรักษาระดับของแบรนด์ของค่าใช้จ่ายที่จำเป็นในการผ่าน
การตรวจสอบความมั่นคงส่วนแบ่งการตลาดของแบรนด์ที่มีความสม่ำเสมอ
ใช้จ่ายในระดับ AI-ระบุและที่สำคัญโดยตรง การเปรียบเทียบ
ระหว่างวิธีการแข่งขันตัวอย่างเช่นเอไอ
สัมพันธ์กับรูปแบบที่ไร้เดียงสาของ SOV D Som บทความนี้
ไม่นี้ผ่านการจำลองแบบและการขยายใหม่ในการทดสอบ
ความสัมพันธ์ระยะยาวระหว่าง SOV และการเปลี่ยนแปลง SOM ในการ
ตรวจสอบ

ผลลัพธ์ (ไทย) 3:

有比自己更大（SoM SoV。他formalized这个关系。作为一个广告intensiveness曲线championed琼斯（AI）。作为一个实际的人工智能的关系marketers to help他们指出，这套广告budgets suggests的关系a maintenance level of花到花，照顾，护理品牌；在这个水平，照顾，护理和琼斯是固定的（1990）一个广告经济研究院，confirmed秤？已经有previously Carman 1982（Aaker和承认；Arndt和西蒙威尔逊Comanor 1983；研究和1969）。广告是为elasticities一直showed elasticities要为更大（smaller，照顾，护理，建立品牌和副versa（Assmus，Farley，和Lehmann Sethuraman，1984；Tellis，和Briesch 2011；Tellis suggests不经济性，这一2009）为更大（Subsequent investigations品牌。人工智能的研究和extended琼斯，AIlike，documented consistent之间的非对称关系在一个SoV和SoMnumber of条件（例如，for a），使用2001英国巴克。调查的longitudinal保费（汉森和品牌；使用2005”（八十年代）AdLab household single-source英国。面板数据；Binet和场（IPA），使用的有效性将2013 2007数据场；（2009奖）和使用数据从aggregate消费品30封装These extensions（CPG）类别。在实证confirmed widespread AI-like regularity of在产业关系和活动水平在观察ONLY的歧管，并汇总RAST模型条件下，多媒体电视在一个国家和diverse explanation这个模式的数据。它是天然的，这在许多experiments更大（reflects他们发现这品牌有没有可以花proportionately没有竞争的市场，这losing explanation是那.因为他们没有花费更大（proportionately elasticities品牌他们是从下encounter和returns递减在这些expenditures层次。在工程documenting 2005汉森和克里斯坦森在时间的变化和在SoV SoM在与29 categories。更重要的是，多个数据showed全年的expected。在SoV协会之间的变化和变化的subsequent在这样的条件下SoM。他们identified refine人工智能的关系在vast和说，在differences类别模式。到相关的强度和浓度。然而，广告他们对我们的限制是household diary数据数据从电视，到1990 viewing和购买时的1985媒体是由环境、这是television为主。在今天的applicability来检验动态媒体环境。在不同的市场和不同的媒体中占主导地位广泛用与实践在当前数据。这是进一步的探索，phenomenon Binet和当“（一）现场2007 documented equilibrium SoV回西安。与非对称的关系AI-like品牌。他们SoV size of这表明，在一个metric determines品牌的水平。这是它的市场的过度生长，这额外的（或语音）ESOV As（），定义SoV SoM 2009）减去（extended场。在分析品牌的关系123 CpG之间。”ESOV和生长是量化的关系：“平均”。如果你这么妒忌，那一定是这一市场的品牌可能值序网的生长百年的每小时的10 for each of ESOV这是点。对一个0.05等效弹性的，这是在协议与的平均弹性Sethuraman，meta-analysis-derived广告（2011 Briesch Tellis，和在这些研究和Binet）。作为一个ESOV场做不calculate过度equilibrium综合人工智能相反，他们的水平；用SoV D SoM criterion）。他们说，在品牌广告和differences categories。也被发现有一个elasticities不同类别之间的和国家，和Lehmann（Assmus，Farley 1984；Sethuraman，Tellis，和Briesch Tellis 2009）和与2011；广告竞争的强度，Bonfrer（Danaher），和2008）架构的suggests）。这是evidence、重量它是一个industry-specific SoV品牌了解和SoM我们的关系。Critiquing evidence这个行业，这是posit -这是最promising看起来比AI作为一个关系。一个品牌的基准。然而，语音equilibrium share of要对他们useful到determine budgets，广告经理进一步的验证是在AI的关系需要diverse条件下（例如，在行业和市场的non-CPG然而，不同stages）（例如，不同国家的经济在diverse），和相关媒体（例如，广播，户外，网络）。人工智能的关系，确认whether indicates a品牌的维护是需要通过expenditure level of品牌的市场examining稳定性一直是共享的花在AI-indicated LEVEL，重要的是，和直接的比较之间的竞争，例如，人工智能，approaches对该模型的关系。naive SoV SoM这所.这是做通过试验和小说类型复制到之间的关系和longitudinal SoV SoM change toinvestigate