Chociaż koncepcja ta istnieje od lat, MMM powraca do mody dzięki postępom w uczeniu maszynowym i analizie danych. Kiedy weźmie się pod uwagę śmierć zewnętrznych plików cookie i fakt, że MMM przyjmują odgórne podejście do analizy rynku, kładąc mniejszy nacisk na dane na poziomie użytkownika, nie jest zaskoczeniem, że MMM przeżywa renesans.

„Jeśli zajmujesz się tylko mediami, to interesuje to tylko CMO” — powiedział Michael Cross, globalny starszy wiceprezes ds. pomiarów w Media.Monks, wirtualnym centrum talentów zajmującym się danymi, mediami cyfrowymi i usługami technologicznymi. „Ale jeśli faktycznie umieszczasz media w kontekście wszystkich innych czynników, takich jak cena, promocje, zwracasz uwagę zespołu finansowego, a następnie masz okazję przedstawić to zarządowi”.

MMM niewątpliwie zyskują uznanie w dzisiejszym krajobrazie, ale co tak naprawdę potrzebujesz wiedzieć jako marketer, a nie analityk danych, aby interpretować wyniki i podejmować lepsze decyzje? MMM są tworzone przy użyciu bogactwa danych z przeszłości, magii statystycznej i kilku bardzo ważnych założeń. Porozmawiajmy o każdym z nich.

Anatomia MMM

Istnieje wiele faz MMM, a różni ich producenci — w tym ekonometrycy, wewnętrzni analitycy danych i inni konsultanci ds.

Jedną z najważniejszych części raportu MMM jest tak zwany wykres dekompozycji, który jest zasadniczo warstwową siatką śledzenia, która przedstawia pomiary kategorycznych zestawów danych zebranych w pewnym okresie czasu. Wyobraź sobie pomiary poświęcone wpływowi rynku na sprzedaż oprócz wydatków na media, zmian cen, inwestycji w media społecznościowe i przychodów konkurencji. Jak przebiega kampania Twojej firmy typu „płać za kliknięcie”? Na wykresie dekompozycji zobaczysz jego wzloty i upadki, a także dane dotyczące wpływu sezonowości na sprzedaż i innych sił zewnętrznych, takich jak globalna pandemia lub recesja gospodarcza.

Każdy wykres MMM — z kolorowymi słupkami i wykresami liniowymi — pomaga analitykowi obserwować względność potencjalnego trendu. Możliwości interaktywne dzisiejszych pulpitów nawigacyjnych MMM dają analitykom pozornie nieograniczone możliwości podejścia do zestawów danych, od porównywania pomiarów według kategorii po ocenę wymiarów progów czasowych.

MMM może zawierać dodatkowe slajdy przedstawiające „wydatki” w porównaniu z „sprzedażą” i „zyskiem”, z podziałem na każdy rodzaj reklamy (np. zewnętrzna lub ekspozycyjna). Na podstawie tych wyników model zasugeruje, jak wydawać w przyszłości, projektować zmianę zysku, zwrot z inwestycji i nie tylko.

„Modele miksu rynkowego można wykorzystać do pomiaru wszystkiego” — zauważył William Parker, wiceprezes i szef strategii klienta w Leavened, platformie optymalizacji miksu marketingowego. „Kiedy patrzymy na rzeczy, takie jak to, czy Metaverse kiedykolwiek dojdzie do skutku lub czy wirtualna rzeczywistość stanie się główną przestrzenią dla marketerów, możemy to zmierzyć już teraz za pomocą narzędzi, które mamy dzisiaj. Dzisiaj mierzymy tylko wyświetlenia i wydatki”.

Ewolucja MMM

MMM są używane przez firmy od dziesięcioleci. Ponieważ MMM wymaga dużej ilości danych, proces tworzenia raportu umożliwiającego podjęcie działań był niezwykle pracochłonny w epoce przedcyfrowej. Ich kultywowanie zajęło miesiące, a kiedy były analizowane, dane były często przestarzałe i nie były tak pomocne dla decydentów marketingowych. Jeśli marketerzy w ogóle zlecali przygotowanie MMM, to zazwyczaj robili to w cyklu kwartalnym lub rocznym. Tak już nie jest.

„Proces, który kiedyś trwał sześć miesięcy, można teraz skrócić do kilku dni” — powiedział Myles Younger, szef ds. innowacji i spostrzeżeń w U of Digital, organizacji zajmującej się edukacją i szkoleniami dla zespołów ds. marketingu cyfrowego. „Raporty otrzymujesz częściej, a opóźnienia są mniejsze, więc mogą być nieaktualne tylko o kilka tygodni lub dni”.

Obecnie dostawcy MMM mogą opracować raport dla zespołu marketingowego w zaledwie cztery tygodnie. Ten rodzaj czasu realizacji był możliwy przede wszystkim dzięki integracji narzędzi sztucznej inteligencji i uczenia maszynowego, które automatyzują kluczowe elementy produkcji MMM, takie jak gromadzenie danych i prognozowanie. MMM stały się również tańsze w generowaniu iw coraz większym stopniu opierają się wyłącznie na danych zagregowanych. Ponieważ MMM raportują z lotu ptaka czynniki, w tym wydatki na telewizję, wydatki na wyszukiwanie, wydatki na sieć i reklamy mobilne, z podziałem na poszczególne rynki, analityk może zabezpieczyć niezbędne dane, wysyłając wiadomość e-mail do działu finansowego firmy. Często mogą nawet zawierać publicznie dostępne informacje.

Skromniejsze ceny dołączone do raportów MMM dają obecnie mniejszym markom możliwość wykorzystania rozwiązania do szerokiego zakresu testów, takich jak sprawdzenie, czy partnerstwo z konkretnym influencerem wywiera wpływ.

Jak uniknąć stronniczości w MMM

Podobnie jak w przypadku każdego rozwiązania wykorzystującego sztuczną inteligencję, nadmierne poleganie na spostrzeżeniach generowanych maszynowo stwarza ryzyko. Ale każdy dobry ekonometryk, który poświęca czas na analizę danych MMM, może złagodzić takie skutki. W wielu przypadkach proste ustawienia mogą pomóc.

Na przykład w branży sprzedaży detalicznej lub towarów konsumpcyjnych w opakowaniach marketerzy wiedzą, że wzrost wydatków na telewizję powinien wynosić mniej więcej od 1% do 4%. „Nie powinno to być 20%”, powiedział Media.Monks 'Cross, „ponieważ nigdy tego nie widzieliśmy”. Tak więc ktokolwiek buduje MMM, może zaprogramować takie granice w modelu, dzięki czemu staje się on „bardziej stabilny” i „nie wariuje”.

Innym sposobem uniknięcia stronniczego wpływu na decyzje związane z MMM jest triangulacja wszystkich rozwiązań pomiarowych. „Jeśli otrzymujesz dwie różne odpowiedzi z dwóch różnych rozwiązań, nie oznacza to, że jedno z nich jest błędne” — powiedział Parker. – Obaj mogą mieć trochę racji.

W takim przypadku wielodotykowe analizy atrybucji, a także testy A/B lub geofencing oraz badania wzrostu marki mogą stworzyć bardziej szczegółowy obraz wyników marketingowych.

Ponieważ jest to forma pomiaru w skali makro, MMM zapewniają również, jak mówi Younger, „naprawdę niewyraźny obraz tego, co się dzieje w porównaniu z tym, do czego może być przyzwyczajony Twój sprzedawca cyfrowy”. I chociaż cena dostawy MMM mogła spaść, ten rozmyty obraz nadal będzie kosztowny.

„MMM jest drogie, ponieważ zajmuje dużo czasu [and] do tego potrzebni są doświadczeni ludzie” — mówi Cross. „Jeśli jesteś globalną marką z wieloma produktami, może to być bardzo, bardzo kosztowne, ale w takim przypadku zalecamy, aby klienci spróbowali zbudować możliwości we własnym zakresie”.

Przyszłość MMM

Jeśli cena MMM stanowi problem, istnieje szansa, że ​​nie będzie to miało miejsca w przyszłości. Siła automatyzacji stanie się tylko bardziej znacząca, a prędkość tylko wzrośnie, pomagając zmniejszyć zapotrzebowanie na zasoby.

Wraz ze zmianą zestawów danych zmienią się również spostrzeżenia w ramach typowego MMM. Kiedy Google całkowicie zabije pliki cookie stron trzecich, istnieje nadzieja, że ​​​​agencje reklamowe włożą swoje jaja do koszyka Privacy Sandbox. Apple ma już uruchomioną i działającą sieć SKAdNetwork, która zachowuje prywatność użytkowników, jednocześnie przypisując zaangażowanie instalacjom aplikacji.

Biorąc pod uwagę te i inne nowe formy gromadzenia danych na horyzoncie, powiedział Younger, pytanie brzmi: „Jak uwzględnić to w MMM?”