mitä on markkinointi/Media Mix Modeling (MMM)?

Marketing Mix Modeling (mmm) ennustaa liiketoiminnan tuloksia tilastollisen analyysin avulla käyttäen monimuuttujaregressioita, markkinointitaktiikkaa ja menoja muuttujina. Regressiot antavat osuudet kunkin muuttujan tuloksiin, joita sitten käytetään ennustamaan, mitä muunnokset ja myynti olisi eri panoksia tai markkinoinnin mix.

miten markkinointi mix-mallinnus toimii?

Marketing Mix Modeling, jota kutsutaan myös Media Mix Modelingiksi, kerää yhteenlaskettuja tietoja markkinointilähteistä ja muista kuin markkinointilähteistä usean vuoden historialliselta ajanjaksolta ja ottaa huomioon myös ulkoiset tekijät, kuten kausiluonteisuuden, taloudelliset tiedot, säät ja kampanjat. Tämän jälkeen tietoja käytetään kysyntämallin kehittämiseen, joka määrittää kunkin markkinoinnin ja muun kuin markkinoinnin panoksen historiallisen vaikutuksen liiketoiminnan tulokseen, kuten myyntiin tai muunnoksiin.

Marketing mix modeling esimerkki

vaatemerkin markkinoija haluaa tietää, miten kukin mediakanava vaikuttaa myyntiin. Jos brändi on kerännyt myyntitietoja ja mainoskuluja jokaiselta kanavalta usean vuoden aikajänteellä, MMM: llä voi tehdä monimuuttujatestin monesta eri kohdasta ajassa. Analyysi näyttää, mikä on odotettavissa oleva myynti, kun mediakulutukseen tehdään muutos. Vaikka malli voi olla tehokas, varsinkin jos tietoa on paljon saatavilla, se perustuu historialliseen tietoon, eli se paljastaa vain korrelaation, ei välttämättä syy-yhteyttä.

mitkä ovat markkinointimiksausmallinnuksen edut?

jos olet vakiintunut tuotemerkki, tiedot ovat todennäköisesti helposti saatavilla ja MMM voi poimia paljon kahden-kolmen vuoden historiatietoja. MMM pystyy mallintamaan myös muita kuin mediamuuttujia, kuten MAKROTALOUSVAIKUTTEITA (kuten COVID-19), kilpailuvaikutteita, kausiluonteisuutta, promootioita ja muita trendejä. MMM: n suurin etu on korkean tason analyysi koko mediaportfoliossa-loistava tarjoamaan strategista pitkän aikavälin suunnittelua koskevaa tietoa ei – osoitteellisesta ja osoitteellisesta mediasta-mutta ei ihanteellinen taktisiin tai jatkuviin oivalluksiin.

mitkä ovat markkinointimiksausmallinnuksen rajoitukset?

MMM arvioi markkinoinnin vaikutusta historiallisiin liiketuloksiin todennäköisyyden perusteella, ja siihen voi liittyä korrelaatio vs. syy-yhteys-dilemma. Tulevaisuuden ennusteissa MMM luottaa useisiin muihin kuin markkinointiin liittyviin tekijöihin liittyviin oletuksiin sekä oletukseen, että kanavatason mediamylläkkä, kustannukset ja vaste eivät poikkea aiemmista tiedoista, joihin kysyntämalli perustuu.

kun taas hyvin rakennetut, laadukkaaseen aineistoon perustuvat mallit voivat voittaa korrelaation vs. syy-yhteys dilemma kanavanousun ja ennusteiden tarjoamiseksi, vapausasteiden rajoittaminen ja ylispesifisten mallien asettamat haasteet tarkoittavat sitä, että niitä ei voida käyttää taktisen päätöksenteon informoimiseen alakanavatasolla. Koska mallit perustuvat useiden vuosien historiatietoihin määrittääkseen markkinointipanosten keskimääräisen lukeman, ne haastetaan kiusoittelemaan markkinointikanavien dynaamisia muutoksia ja / tai liiketoiminnan muutoksia viime kausina. Toisin sanoen, se ei ole varsinaisesti ketterä ja ei anna tason tietoa tarvitaan day-to-day optimointi.

vaihtoehtoinen lähestymistapa kunkin markkinointimallin panoksen ymmärtämiseen ja mediainvestointipäätöksistä tiedottamiseen on jatkuva kasvutestaus.

mitattuna voit helposti suorittaa inkrementaalisuuden mittausta ja testausta 70+ median julkaisualustoilla. Hyödyntämällä API-integraatioitamme media-alustojen kanssa saat markkinointimiksaukseesi kanavarajat ylittävän näkymän alle 24 tunnissa.

sopiiko MMM sinulle? Jos etsit tukea pitkän aikavälin suunnittelupäätöksiin, käytät ensisijaisesti ei-osoitettavissa olevaa mediaa ja sinulla on vähintään kaksi vuotta historiatietoa työstettävänäsi, kannattaa tutkia! Jos tarvitset pääsyn uusimpiin suorituskykytietoihin jatkuvassa median optimoinnissa, Measured Intelligence Suite tarjoaa inkrementality-oivalluksia tietoiseen ja ketterään suunnitteluun ilman vuosien dataa.

mitattu vs Alustan raportointi, Multi-Touch Attribution (MTA) & Media Mix Modeling (MMM)