Modellazione del marketing mix (MMM)

La modellazione del marketing mix è un approccio statistico che stima il contributo delle attività di marketing e dei fattori esterni a un risultato aziendale, in genere vendite o fatturato, utilizzando dati aggregati di serie temporali. Invece di tracciare i singoli utenti, analizza i risultati in relazione alla spesa per canale, prezzo, promozione, distribuzione, stagionalità, attività della concorrenza e condizioni economiche, producendo stime del contributo di ciascun fattore e dei suoi rendimenti decrescenti.

Questa tecnica precede di gran lunga la pubblicità digitale, essendo stata sviluppata per le aziende di beni di consumo i cui media, tra cui televisione, stampa e pubblicità esterna, non potevano essere tracciati a livello individuale. Il suo recente ritorno alla ribalta è una diretta conseguenza dell'erosione del tracciamento a livello utente: poiché i cookie di terze parti, gli identificatori mobili e la misurazione cross-site sono diventati meno affidabili, la modellazione aggregata ha riacquistato rilevanza perché non richiede alcun dato a livello utente e non è quindi influenzata dai tassi di consenso e dalle restrizioni delle piattaforme.

I suoi principali punti di forza sono la copertura e la neutralità. Può includere canali che l'attribuzione a livello di singolo utente non è in grado di rilevare, come televisione, radio, stampa, sponsorizzazioni e pubblicità esterna, oltre ai canali digitali, e può incorporare fattori non di marketing come prezzi, stagionalità e condizioni macroeconomiche che l'attribuzione ignora completamente. Poiché tutti i canali vengono valutati all'interno di un unico quadro di riferimento, evita la distorsione sistematica dei risultati riportati dalle singole piattaforme, dove ognuna di esse dichiara le stesse conversioni.

I suoi limiti sono altrettanto strutturali. Richiede serie storiche lunghe, in genere da due a tre anni di dati settimanali coerenti, il che esclude le aziende di recente costituzione e qualsiasi periodo successivo a un cambiamento significativo nella modalità di reporting. Necessita di variazioni reali nella spesa per stimare gli effetti, quindi i canali mantenuti a budget costante non possono essere valutati. Fornisce indicazioni a livello di canale anziché dettagli a livello di campagna o creatività, quindi non può fornire informazioni per l'ottimizzazione quotidiana. La spesa correlata tra i canali rende difficile separare i singoli contributi. Inoltre, le scelte relative alle specifiche del modello, incluso il modo in cui vengono gestiti gli effetti di riporto e le curve di saturazione, influenzano in modo sostanziale i risultati, il che significa che due analisti competenti possono ottenere risultati diversi dagli stessi dati.

La risposta pratica a queste limitazioni è la triangolazione piuttosto che l'affidamento a un singolo metodo. La modellazione di mix fornisce una visione strategica del contributo dei canali e dell'allocazione del budget. Gli esperimenti di incrementalità convalidano causalmente i canali specifici e possono essere utilizzati per calibrare le ipotesi a priori del modello. L'attribuzione fornisce un segnale tattico quasi in tempo reale per l'ottimizzazione in corso d'opera. Ciascuno di questi metodi è debole da solo; usati insieme, la concordanza tra di essi aumenta la fiducia e la discordanza identifica dove indagare.

L'adozione pratica dipende solitamente più dalla preparazione dei dati che dalla tecnica di modellazione, e tale preparazione è considerevole. La spesa deve essere aggregata in modo coerente tra i diversi canali e periodi, includendo le commissioni delle agenzie e i costi di produzione laddove incidano significativamente sul totale. È necessario reperire e allineare i fattori esterni, tra cui l'attività della concorrenza (ove disponibile), le variazioni di prezzo, i cambiamenti nella distribuzione, le condizioni meteorologiche per le categorie pertinenti e gli indicatori macroeconomici. I periodi promozionali e gli eventi una tantum devono essere contrassegnati in modo che il modello non attribuisca i loro effetti a qualsiasi campagna pubblicitaria che si sia svolta contemporaneamente. Le organizzazioni spesso scoprono in questa fase di non essere in grado di ricostruire la propria cronologia di spesa con una granularità settimanale, una constatazione che di per sé merita di essere presa in considerazione a prescindere dalla realizzazione del modello.

L'adozione si è notevolmente ampliata con la comparsa di implementazioni open-source e framework bayesiani che si adattano a set di dati più piccoli e consentono ai risultati sperimentali di informare direttamente il modello. Il valore dipende tuttavia dalla qualità dei dati e dalla volontà organizzativa di agire sui risultati che contraddicono i report della piattaforma. In pratica, la modellazione stessa si colloca con analisi dei dati, mentre le decisioni di bilancio che informa appartengono a gestione della crescita and pianificazione strategica e consulenza, poiché la riallocazione della spesa tra i canali è solitamente una questione di governance tanto quanto analitica.