Czego można się spodziewać (i nie oczekiwać) od MMM

Modelowanie marketingu mix to analiza makro na poziomie budżetu. Nie zależy od widoczności ścieżki konsumenta ani nie wymaga danych na poziomie użytkownika, takich jak wyświetlenia i kliknięcia, w celu uruchomienia modelu. Analiza MMM nie zajmuje się taktykami na poziomie kampanii ani nie zastanawia się, czy jeden element kreacji był lepszy od innego. Nie ma to też nic wspólnego z atrybucją multi-touch lub last-touch na poziomie podróży użytkownika. Jest to ściśle sposób potwierdzania lub odrzucania decyzji podejmowanych na poziomie ustalania budżetu.

Obawy związane z kosztami i szczegółowością danych należą do najczęściej wymienianych ograniczeń modelowania marketingu mix. Jednak wiele z tych obaw wynika z przekonań przejętych z poprzedniej epoki, które ukrywają prawdziwą wartość tej praktyki.

Oto, co marki powinny wiedzieć o czterech największych mitach MMM.

Mit 1: Modelowanie marketingu mix mówi ci, co zrobić z budżetem.

Modele media mix mogą generować zoptymalizowane podziały budżetu na kanały w oparciu o dane historyczne. Na przykład mogą powiedzieć marce, że jej wydatki na telewizję są o 15% zawyżone, a na płatne reklamy społecznościowe o 5% niedofinansowane, oraz jak te podziały różnią się regionalnie, powiedzmy, na zachodnim i wschodnim wybrzeżu.

To, czego te dane nie mogą zrobić, to przewidzieć, które strategie i taktyki budżetowe mogą, ale nie muszą, działać w przyszłości. Wyniki MMM mogą być używane do tworzenia modeli prognostycznych, ale same w sobie nie są prognozami. Marka może chcieć wprowadzić nowe kanały, których nie było w pierwotnym modelu, lub cel biznesowy może zmienić priorytet, w którym to przypadku obliczona mieszanka kanałów może już nie być odpowiednia.

Mit 2: Budowanie trwałej praktyki jest zbyt kosztowne dla organizacji.

Branżowe wytyczne dotyczące najlepszych praktyk zwykle dają marketerom wrażenie, że zbudowanie funkcji MMM wymaga sześciocyfrowej inwestycji i terabajtów danych historycznych w hurtowni danych na poziomie przedsiębiorstwa.

Oto prawda dotycząca większości marek: jeśli masz dane historyczne na temat tego, gdzie wydałeś – mogą to być po prostu eksporty z platform takich jak Google Ads, Meta i Pinterest – oraz dane dotyczące konwersji, możesz zbudować model marketingu mix przy stosunkowo niewielkiej inwestycji.

Mit 3: Jeśli nie mogę zmierzyć wszystkiego, nie powinienem mierzyć niczego.

Większość marek nie musi gotować oceanu, aby czerpać wartość z badania MMM. Zamiast szukać każdego sygnału konkurencji, każdego tygodnia sprzedaży produktu lub zewnętrznej siły rynkowej, która ma wpływ na Twoją branżę, mogą po prostu spojrzeć, ile pieniędzy tygodniowo wydano na media na kanał na poziomie makro i nałożyć na siebie dane dotyczące sprzedaży. Modele regresji z prostym zestawem danych mogą stworzyć linię bazową mieszanki, która obala lub wspiera wcześniejsze decyzje budżetowe.

Mit 4: Platformy oparte na sztucznej inteligencji są odpowiedzią na wszystkie moje problemy.

Postępy w uczeniu maszynowym i sztucznej inteligencji zapewniają ogromne korzyści modelowaniu marketingu mix. Ale sama sztuczna inteligencja nie może rozwiązać każdego problemu MMM.

W zależności od zadawanych pytań i zestawu danych niektóre metody mogą działać lepiej niż inne. Wybierając narzędzia i dostawców zewnętrznych, marketerzy muszą zdecydować, czy metoda najlepiej pasuje do ich danych i celów, a także zrozumieć, jakie parametry w modelu można dostosować, aby zapewnić najlepsze dopasowanie i uogólnienia.

Nowy typ zależności danych

Ponieważ marketerzy nadal oceniają rolę, jaką modelowanie marketingu mix może odgrywać w ich organizacjach, będą musieli szerzej zmierzyć się z tym, co to znaczy być zależnym od danych w erze prywatności. Odejście od zbierania danych na poziomie użytkownika do analizy na poziomie makro, takiej jak MMM, zwykle stwarza wrażenie fałszywego wyboru: niektórzy marketerzy oczekują, że modelowanie marketingu mix rozwiąże wszystkie ich problemy budżetowe. Inni twierdzą, że jest zbyt prymitywny i niewystarczająco taktyczny.

Ale nie pozwólmy, by lepsze było wrogiem dobrego. Pociąg MMM opuścił stację. Marketerzy muszą wejść na pokład z odpowiednim nastawieniem i podejściem, aby sprostać nadchodzącym wyzwaniom pomiarowym.