Моделювання маркетингового комплексу (МММ)

Моделювання маркетингового комплексу – це статистичний підхід, який оцінює внесок маркетингової діяльності та зовнішніх факторів у бізнес-результат, зазвичай продажі або дохід, використовуючи сукупні дані часових рядів. Замість відстеження окремих користувачів, воно регресує результати відносно витрат за каналом, ціною, просуванням, розподілом, сезонністю, активністю конкурентів та економічними умовами, створюючи оцінки внеску кожного вхідного фактора та його спадної віддачі.

Ця методика існує задовго до появи цифрової реклами, оскільки була розроблена для компаній, що виробляють споживчі товари, чиї медіа, включаючи телебачення, друковану рекламу та зовнішню рекламу, ніколи не можна було відстежувати на індивідуальному рівні. Її нещодавнє повернення до популярності є прямим наслідком руйнування відстеження на рівні користувачів: оскільки сторонні файли cookie, мобільні ідентифікатори та міжсайтове вимірювання стали менш надійними, агреговане моделювання знову набуло актуальності, оскільки воно взагалі не вимагає даних на рівні користувачів і тому не залежить від рівня згоди та обмежень платформи.

Його основні переваги – охоплення та нейтральність. Він може включати канали, які атрибуція на рівні користувача не бачить, такі як телебачення, радіо, друковані видання, спонсорство та зовнішня реклама, поряд з цифровими каналами, а також може враховувати немаркетингові фактори, такі як ціноутворення, сезонність та макроекономічні умови, які атрибуція повністю ігнорує. Оскільки всі канали оцінюються в рамках однієї системи, це дозволяє уникнути систематичної упередженості результатів, що повідомляються платформами, де кожна платформа заявляє про однакові конверсії.

Його обмеження однаково структурні. Він вимагає тривалої історії, зазвичай два-три роки послідовних щотижневих даних, що виключає молоді підприємства та будь-який період після суттєвої зміни у звітності. Для оцінки ефектів потрібна реальна варіація витрат, тому канали з постійним бюджетом неможливо оцінити. Він створює рекомендації на рівні каналів, а не деталі на рівні кампанії чи креативу, тому не може використовуватись для щоденної оптимізації. Кореляція витрат між каналами ускладнює розділення окремих внесків. А вибір специфікацій моделі, включаючи те, як обробляються ефекти перенесення та криві насичення, суттєво впливає на результати, а це означає, що два компетентні аналітики можуть отримати різні відповіді на основі тих самих даних.

Практичною відповіддю на ці обмеження є тріангуляція, а не опора на один метод. Моделювання змішаних даних забезпечує стратегічне уявлення про внесок каналів та розподіл бюджету. Експерименти з інкрементальністю перевіряють причинно-наслідкові зв'язки певних каналів і можуть бути використані для калібрування апріорних характеристик моделі. Атрибуція забезпечує тактичний сигнал майже в реальному часі для оптимізації в процесі. Кожен з них є слабким окремо; якщо використовувати його разом, узгодженість між ними підвищує довіру, а розбіжності визначають, де слід досліджувати.

Практичне впровадження зазвичай більше залежить від підготовки даних, ніж від методики моделювання, і ця підготовка є значною. Витрати необхідно послідовно збирати за всіма каналами та періодами, включаючи агентські збори та виробничі витрати, де вони суттєво впливають на загальну суму. Зовнішні фактори необхідно знайти та узгодити, включаючи активність конкурентів, де це можливо, зміни цін, зміни розподілу, погоду для відповідних категорій та макроекономічні показники. Періоди акцій та разові події необхідно позначити, щоб модель не пов'язувала їхній вплив з будь-якою рекламою, яка транслювалася одночасно. На цьому етапі організації часто виявляють, що вони не можуть реконструювати власну історію витрат з тижневою деталізацією, що саме по собі є висновком, на який варто звернути увагу, незалежно від того, чи побудована модель.

Впровадження значно розширилося з появою реалізацій з відкритим кодом та байєсівських фреймворків, які опрацьовують менші набори даних і дозволяють експериментальним результатам безпосередньо впливати на модель. Проте цінність залежить від якості даних та готовності організацій діяти на основі результатів, які суперечать звітності платформи. На практиці саме моделювання зосереджується на... аналітика даних, тоді як бюджетні рішення, які він інформує, належать управління зростанням та стратегічне планування та консалтинг, оскільки перерозподіл витрат між каналами зазвичай є питанням як управління, так і аналітичного характеру.