Co je to modelování mediálního mixu a proč se k němu marketéři opět vrací?

Úvod

Pravděpodobně jste si v poslední době všimli, že se ve vašem feedu děje něco podivného.

Metoda měření, která se používala před desítkami let, je najednou zase všude. Lidé o ní mluví v úvodních proslovech na konferencích. Agentury ji propagují v každé prezentaci. A ne, nejde o nostalgii.

Jde o modelování mediálního mixu. A pokud jste vedoucím marketingu nebo řídíte agenturu s malými až středně velkými týmy, musíte pochopit, proč se tato metoda vrátila a proč je dnes důležitější než před pěti lety.

Co je to vlastně modelování mediálního mixu

Modelování mediálního mixu, často zkráceně MMM, je statistická technika.

Analyzuje vaše historická data – výdaje, tržby, sezónnost, ceny a další vnější faktory. Poté odhaduje, jak moc každý kanál skutečně přispěl k vašim výsledkům.

A právě v tom se liší od většiny moderních metod sledování. Nesleduje jednotlivé uživatele na internetu. Místo toho pracuje s agregovanými daty. Celkové výdaje na vstupu, celkové výsledky na výstupu a mezi tím extrahované vzorce.

Právě tento jediný detail je důvodem, proč se tato metoda vrací na scénu.

Proč se vrací právě teď

Stále více se zhoršuje spolehlivost souborů cookie. Pravidla ochrany osobních údajů se neustále zpřísňují. A mnoho sledovacích nástrojů, na které se marketéři po léta spoléhali, tiše přestalo fungovat tak dobře jako dříve.

Podle průzkumu společnosti TransUnion, o kterém informoval eMarketer, téměř polovina amerických marketérů ze značek a agentur, konkrétně 46,9 procenta, plánuje v příštím roce investovat do MMM. A 27,6 procenta ji nyní označuje za svou nejspolehlivější metodu měření, což je více než u multi-touch atribuce s 19,4 procenty.

To není žádná malá změna. Marketéři tím otevřeně přiznávají, že staré postupy samy o sobě přestaly být dostatečně důvěryhodné.

Další průzkum společností eMarketer a Snap zjistil, že více než polovina amerických marketérů, konkrétně 53,5 %, již MMM v nějaké formě používá. A zrychlení jejich MMM procesu se umístilo na prvním místě mezi jejich prioritami v oblasti měření.

Tento trend si nevymýšlíte. Je skutečný a zrychluje se.

Jednoduchý příklad mediálního mixu

Zkusme to zkonkretizovat.

Řekněme, že současně provozujete placené vyhledávání, placenou reklamu na sociálních sítích a celostátní rozhlasovou kampaň. Během tohoto období se vaše tržby zvýší. Jednoduchá atribuce by většinu zásluh připsala placenému vyhledávání, protože to je kanál s nejčistšími údaji o kliknutích.

MMM však posuzuje situaci jako celek. Může odhalit, že právě rozhlas ve skutečnosti přispěl k povědomí o značce, díky čemuž vaše placené vyhledávání vůbec dosáhlo tak dobrých výsledků. Bez rozhlasu by placené vyhledávání nepřineslo zdaleka tak efektivní konverze.

Právě tento druh poznatků odhaluje analýza mediálního mixu, což reporty na úrovni jednotlivých kanálů jednoduše nedokážou. Ukazuje vám, jak kanály spolupracují, a ne jen to, který z nich zaznamenal poslední kliknutí.

Moderní techniky modelování mediálního mixu

MMM, které se ve vašem odvětví používalo před deseti lety, a MMM dostupné dnes nejsou jen stejným nástrojem s novým názvem.

Starší modely se silně opíraly o statickou regresi, která se aktualizovala jednou ročně, pokud jste měli štěstí. Moderní techniky modelování mediálního mixu využívají bayesovské metody, které poskytují celou škálu výsledků a úroveň spolehlivosti, nikoli jen jedno číslo předstírající jistotu.

Aktualizují se také mnohem častěji. Podle výzkumu společnosti OptiMine se přesnost modelu může snížit o 10 až 35 procent nebo i více, pokud není pravidelně aktualizován. Model postavený na loňských tržních podmínkách vás může po celé čtvrtletí nenápadně uvádět v omyl, aniž by si toho někdo všiml.

Nejlepší současný přístup kombinuje tři věci dohromady. MMM pro celkový přehled. Testování inkrementality k ověření toho, co je skutečně příčinné. A platformovou atribuci pro taktické signály v daném okamžiku. Podle společnosti Measured značky, které používají ověřenou, příčinně kalibrovanou verzi tohoto přístupu, obvykle zaznamenávají během prvního roku nárůst mediální efektivity o 10 až 30 procent.

Jak to zapadá do vašeho skutečného pracovního postupu

Nic z toho nemá smysl, pokud se z toho stane jen další statický PDF soubor, který leží na sdíleném disku až do příštího čtvrtletí.

Právě zde se optimalizace mediálního mixu musí přímo propojit se způsobem, jakým váš tým skutečně pracuje. Váš čtvrtletní marketingový plán by měl odrážet to, co vám model říká nyní, ne to, co vám říkal před šesti měsíci. Rozhodnutí o rozpočtu by se měla měnit stejně rychle, jak se aktualizuje model, a nečekat na další plánovanou revizi.

Právě v tomto bodě začínají hrát roli agenturní nákup médií a agenturní merchandising webových stránek. Když jsou výstupy vašeho modelu MMM přímo napojeny na systémy, které dokážou přesouvat rozpočet nebo upravovat merchandising téměř v reálném čase, přestává být model pouhou zprávou. Stává se aktivní součástí rozhodovacího procesu.

Proč byste to neměli dělat pouze pomocí tabulek

Provádět správný MMM ručně je opravdu náročné. Vyžaduje to čistá historická data, skutečné statistické znalosti a neustálé aktualizace, aby zůstaly přesné.

Většina interních týmů na to nemá kapacity. Podle průzkumu společností Funnel a Ravn Research si pouze asi čtvrtina interních marketingových týmů zpracovává MMM zcela sama.

Právě tuto mezeru má vyplnit správná platforma pro marketingovou inteligenci. Místo čekání na roční model od externího dodavatele získáte analýzu mediálního mixu, která se průběžně aktualizuje a je propojena s ostatními údaji o výkonu a tržbách, takže skutečně slouží jako podklad pro rozhodování, namísto pouhého dokumentování rozhodnutí až po jejich provedení.

Závěr

Modelování mediálního mixu se nevrací proto, že by marketéři nostalgicky vzpomínali na staré techniky.

Vrací se proto, že změny v oblasti ochrany osobních údajů znemožnily alternativní řešení a protože díky umělé inteligenci je nyní dostatečně rychlé, aby bylo užitečné v daném okamžiku, a ne jen jednou ročně.

Pokud se stále spoléháte pouze na atribuci podle posledního kliknutí, nevidíte celý obraz. A každé čtvrtletí, které strávíte čekáním na nápravu, je čtvrtletím, kdy se rozhodnutí o rozpočtu přijímají na základě neúplných informací.