“Myślenie oparte na danych” jest napisany przez członków społeczności medialnej i zawiera świeże pomysły na cyfrową rewolucję w mediach.

Dzisiejsza kolumna jest napisana przez Alice K. Sylvester, Partner w Partnerzy Sekwencji.

Marketing jest dziś zbyt złożony, aby można go było rozszyfrować gołym okiem. Uczenie maszynowe i modele statystyczne ewoluowały, aby zapewnić niezwykle wyrafinowane zrozumienie wkładu każdej inwestycji marketingowej i interakcji między nimi.

Te modele to tak naprawdę czarne skrzynki. Nie można ich łatwo osądzić ani zakwestionować, pozostawiając menedżerom marki i CMO ślepe śledzenie wyników lub całkowite ich zignorowanie. Modele mogą narazić marketerów na błędne decyzje oraz niedostateczne wykorzystanie danych i analiz, co uniemożliwia im pełne wykorzystanie wiedzy, jaką może zapewnić model.

Na szczęście marketerzy nie potrzebują doktoratów z ekonometrii, aby lepiej wykorzystać analitykę marketingową i modelowanie. Istnieje kilka prostych pytań dotyczących marketingu mix i modelowania atrybucji, które wszyscy marketerzy mogą – i powinni – rozważyć.

Czy model jest kompletny i wytrzymały?

Czy model obejmuje wszystkie inwestycje marketingowe oraz czynniki napędzające sprzedaż i wyniki? Jeśli nie, nie można ufać, że model dokładnie wskaże wkład każdej inwestycji. Ważne jest, aby model uwzględniał wydatki na ogrody cyfrowe i telewizyjne otoczone murem, media linearne lub analogowe oraz wiele innych niż marketingowe czynników rynkowych (np. ekonomia, pogoda), które mają wpływ na sprzedaż. Modelowanie atrybucji zazwyczaj nie uwzględnia tych czynników, ale nadal ważne jest dokładne rozpoznanie, jakie kanały są uwzględniane w modelu. Jeśli coś zostanie pominięte, model zawyży wkład mediów uwzględnionych w modelu.

Siła modelu też ma znaczenie. Ogólnie rzecz biorąc, modele marketing-mix powinny pasować do danych wynikowych z R2 w zakresie 90%, co wskazuje na związek przyczynowy między modelem a danymi wynikowymi oraz MAPE (średni błąd procentowy) mniejszy niż 5% w stosunku do próby wstrzymanej.

Marketerzy powinni również rozważyć, czy wyniki konkretnych modeli pasują do wyników wcześniejszych analiz lub testów rynkowych. Jeśli nie, marketerzy muszą naciskać na modelarza, aby znalazł możliwe wyjaśnienia nieścisłości. Prognoza modelu opiera się na tym, co wydarzyło się w przeszłości. Jaka jest różnica w obecnej sytuacji?

Czy model uwzględnia czynniki zewnętrzne, takie jak wpływ marki i sprzedaży lub wstępne dane wejściowe?

Modele marketingu mix muszą uwzględniać złożoność rynku. Istotne jest rozważenie interakcji, takich jak wpływ reklamy na elastyczność cenową, efekt halo reklamy na inne marki oraz mniej natychmiastowy efekt przeniesienia reklamy (adstock).

Przeniesienie istnieje również w atrybucji – to okno atrybucji. Bez uwzględnienia tych efektów wkład reklamy w sprzedaż lub inne wyniki jest błędnie przedstawiany i skracany.

Wprowadzane dane mogą mieć również wpływ na wyniki. Często źródła danych używane w modelu nie są tymi samymi, które są używane w codziennej działalności biznesowej. Aby mieć pewność, że Twoja strategia dotycząca danych jest całościowa, weź pod uwagę zarówno źródła wewnętrzne, jak i zewnętrzne. Czy wskaźniki KPI danych wynikowych (np. penetracja kategorii, udziały w marce, sprzedaż, wizyty w witrynie, trendy w ruchu) wyglądają prawidłowo? A co z danymi dotyczącymi inwestycji marketingowych? Konieczne jest upewnienie się, że wprowadzane dane odpowiednio odzwierciedlają markę i kategorię.

Jak jasne i wykonalne są wyniki?

Każdy chce wyników atrybucji w czasie zbliżonym do rzeczywistego. Ale czy Twoja operacja realistycznie radzi sobie z codziennymi danymi o wynikach? A może nawet co tydzień lub co miesiąc? Czy modelowanie marketingu mix pasuje do Twojego cyklu biznesowego? Ważne jest, aby szczegółowe informacje dotyczące modelowania pojawiały się wtedy, gdy ich potrzebujesz i można było na nich działać.

Ważne jest również, aby osoba zajmująca się modelowaniem potrafiła komunikować się w sposób zrozumiały dla laika i była wystarczająco doświadczona, aby interpretować wyniki pod kątem konkretnych możliwości i zagrożeń biznesowych. Czy ich wyjaśnienia, jak działa Twój marketing, są stosunkowo bliskie Twoim założeniom? Czy mają sens? Czy porównują je z innymi wynikami biznesowymi/testowymi, które widzisz? To jest faza sprawdzania rzeczywistości. Upewnij się, że wyniki mają sens.

Gdy wszystkie szczegółowe informacje są już dostępne, nadszedł czas, aby podjąć działania przeciwko wnioskom modelowym. W tym momencie kluczowe znaczenie ma wyrównanie między wszystkimi zainteresowanymi stronami w Twojej organizacji. W przeciwnym razie modelowanie jest po prostu ciekawym, czasochłonnym i kosztownym zajęciem.

Modelowanie jest dziś ważną cechą wyrafinowanego marketingu. Marketerzy muszą zadawać właściwe pytania, aby zrozumieć dane wejściowe, wyjściowe i implikacje. Może być jeszcze więcej pytań związanych z rozwojem Twojej firmy i potrzebami w zakresie przychodów.

Śledź AdExchanger (@adexchanger) na Twitterze.