Współzałożyciel/Prezes ds Vujà De Digitalz misją na rzecz świadomego kapitalizmu i odkrywania na nowo modelu agencji medialnej.

Podczas gdy marketerzy zmagali się i zmagali z rozwiązaniami dotyczącymi utraty plików cookie stron trzecich w ciągu ostatnich kilku lat, ewoluowały nowe i inteligentniejsze sposoby inwestowania dolarów medialnych. Ponieważ pliki cookie wycofują się, śledzenie wyzwalaczy pożądanych zachowań marketingowych będzie ważniejsze niż kiedykolwiek.

Skąd wiesz, czy docierasz do właściwych konsumentów lub czy Twoje media i marketing mix działają? Samo czekanie, aż zadzwoni kasa fiskalna, nie wystarczy, a modelowanie media mix (MMM) lub multi-touch atribution (MTA) idzie drogą dinozaura. Co to zastępuje? Uważam, że jest to modelowanie big data media mix.

Najnowsze rozwiązanie umożliwiające inteligentniejsze kupowanie mediów i analizę wydajności można znaleźć w modelowaniu miksu multimediów w dużych zbiorach danych. Staje się coraz bardziej wyrafinowanym sposobem monitorowania i przewidywania przyszłych wyników marketingowych oraz kierowania inwestycjami w media w celu uzyskania najwyższego ROI i ROAS.

Demokratyzacja uczenia maszynowego, moc obliczeniowa dużych zbiorów danych na maszynach wirtualnych oraz dostęp do analiz dużych zbiorów danych Google i Amazon zmieniły sposób gry w strategiczne inwestycje w media i prognozowanie wyników kampanii.

Gdzie modelowanie Big Data Media Mix ma swoje korzenie? Telewizja bezpośredniego reagowania (DRTV) była prototypem BDMMM. To był początek unifikacji linearnych inwestycji medialnych z kampaniami cyfrowymi.

Co zatem sprawia, że ​​modelowanie big data media mix jest tak potężne w porównaniu z poprzednimi opcjami analizy kampanii i planowania mediów? Modelowanie multimediów typu big data zapewnia ujednolicony widok pola marketingu. Pokazuje Twoje inwestycje w media i wyniki kampanii, łącząc w jednym widoku wszystkie dane marketingowe, ekonomiczne, polityczne, sezonowe, a nawet dotyczące sprzedaży detalicznej.

Piękno połączenia tych elementów polega na tym, że uzyskujesz prawdziwy obraz wydajności tego, co dzieje się w czasie z każdą możliwą zmienną. Modelowanie miksu multimediów w oparciu o duże zbiory danych pozwala marketerom zobaczyć bezpośrednią korelację sprzedaży podczas dostosowywania inwestycji w kanały w różnych typach mediów, sezonach i poziomach inwestycji. Spostrzeżenia mogą z czasem stać się inteligentniejsze dzięki włączeniu uczenia maszynowego.

Sztuczna inteligencja koreluje poziomy wydatków, aby pokazać, gdzie przeinwestowałeś, abyś mógł ograniczyć lub ponownie zainwestować w skuteczniejsze kanały, aby osiągnąć wyższy zwrot z inwestycji. Na przykład, zamiast korzystać z instynktu i kilku punktów danych, aby zwiększyć wydatki na Instagramie, może ci powiedzieć, że TikTok osiągnął lepsze wyniki z bezpośrednią korelacją z innymi elementami medialnymi.

Modelowanie miksu multimediów w dużych zbiorach danych może wskazać zalecany miks mediów oraz miejsca, w których należy zwiększyć lub zmniejszyć wydatki w oparciu o rzeczywistą wydajność i wzajemne oddziaływanie wszystkich zmiennych związanych z przychodami i wynikami sprzedaży. Jego celem jest zaoferowanie mniej zgadywania i bardziej wykalkulowanego podejmowania decyzji w świecie rzeczywistym w oparciu o fakty statystyczne, a nie domysły.

Co jest nie tak z atrybucją wielodotykową (MTA)?

Problemy z tagowaniem były przyczyną upadku MTA. Ta taktyka zawsze kończy się problemami z tagowaniem, które stają się uciążliwe we wszystkich różnych typach mediów. Potrzebujesz jednego tagu dla każdego typu mediów, w tym markowych i niemarkowych, a wraz z otoczonymi murami ogrodami Google i Facebooka: nigdy nie uzyskasz pełnego widoku 360 wyników swojej kampanii w różnych typach mediów i poziomach inwestycji. Marketerzy są zmuszeni do podejmowania decyzji na podstawie częściowych lub błędnych danych, co sprawia, że ​​ciągłe doskonalenie jest bzdurą.

A co z modelowaniem media mix (MMM)?

Chociaż nie jest to tak uciążliwe ani kosztowne jak modelowanie multimediów typu big data, nie nadaje się do głębokiej analizy. Modelowanie multimediów typu big data umożliwia raportowanie danych z szybkością komputera w krótszych ramach czasowych i w wielu przyrostach przy niezwykle wysokim poziomie ufności. Możesz to modelować na podstawie swoich wskaźników KPI. Ani MMM, ani MTA nie mogą pochwalić się taką wydajnością.

Można więc zapytać, dlaczego marketerzy nie mieliby uciekać się do tego inteligentniejszego podejścia do planowania i kupowania mediów? Kilka rzeczy może utrudniać wdrożenie, mimo że jest to zdecydowanie najbardziej wyrafinowana strategia analizy marketingowej i planowania mediów oraz narzędzie dostępne obecnie dla marketerów.

Koszt, inwestycja medialna wymagana do kalibracji modelu oraz zestaw umiejętności wymagany do wdrożenia to trzy najczęstsze bariery we wdrażaniu i wykonywaniu modelowania miksu multimediów w dużych zbiorach danych. Potrzebujesz dostępu do naukowca lub inżyniera danych, kilkuset tysięcy dolarów za dostęp do usług zarządzania i analizy danych w chmurze Google lub Amazon oraz rozsądnego budżetu reklamowego w okresie co najmniej trzech miesięcy.

Jedynym innym potencjalnym wyzwaniem może być uzyskanie dostępu do danych detalicznych, jeśli jesteś marką CPG. Można temu zaradzić, płacąc za dane, aby mieć pełny obraz wydajności. Rzeczywistość jest taka, że ​​BDMMM nie będzie tak skuteczny, jeśli brakuje znacznej części danych dotyczących sprzedaży detalicznej.

Kluczem do sukcesu w modelowaniu big data media mix jest dostęp do dokładnych i jak najbardziej zbliżonych do kompletnych danych. Częściowe dane lub dane w różnych miejscach, których nie można łatwo zebrać w odpowiednim czasie, mogą prowadzić do niedokładnego modelu.

Moc i dokładność solidnego modelowania miksu multimediów w dużych zbiorach danych będzie się opłacać w kółko. Jak mówi przysłowie, bez bólu nie ma zysku.

Forbes Agency Council to społeczność przeznaczona wyłącznie dla osób zarządzających odnoszącymi sukcesy agencjami public relations, strategiami medialnymi, agencjami kreatywnymi i reklamowymi. Czy kwalifikuję się?