Τι είναι η μοντελοποίηση του συνδυασμού μέσων και γιατί οι επαγγελματίες του μάρκετινγκ επιστρέφουν σε αυτήν;

Εισαγωγή

Πιθανότατα έχετε παρατηρήσει ότι κάτι παράξενο συμβαίνει τελευταία στο feed σας.

Μια μέθοδος μέτρησης που χρησιμοποιούνταν πριν από δεκαετίες ξαναεμφανίστηκε ξαφνικά παντού. Ο κόσμος τη συζητά στις ομιλίες των συνεδρίων. Οι εταιρείες διαφήμισης την προωθούν σε κάθε παρουσίασή τους. Και όχι, δεν πρόκειται για νοσταλγία.

Πρόκειται για τη μοντελοποίηση του μείγματος μέσων (media mix modeling). Και αν είστε υπεύθυνος μάρκετινγκ ή διευθύνετε μια διαφημιστική εταιρεία που διαχειρίζεται μικρές έως μεσαίες ομάδες, πρέπει να καταλάβετε γιατί επανήλθε και γιατί έχει μεγαλύτερη σημασία σήμερα από ό,τι πριν από πέντε χρόνια.

Τι είναι στην πραγματικότητα η μοντελοποίηση του μείγματος μέσων

Η μοντελοποίηση του μείγματος μέσων, που συχνά συντομογραφείται ως MMM, είναι μια στατιστική τεχνική.

Εξετάζει τα ιστορικά σας δεδομένα: δαπάνες, πωλήσεις, εποχικότητα, τιμολόγηση και άλλους εξωτερικούς παράγοντες. Στη συνέχεια, εκτιμά πόσο συνέβαλε πραγματικά κάθε κανάλι στα αποτελέσματά σας.

Αυτό είναι το στοιχείο που το διαφοροποιεί από τις περισσότερες σύγχρονες μεθόδους παρακολούθησης. Δεν παρακολουθεί μεμονωμένους χρήστες στο διαδίκτυο. Αντ’ αυτού, βασίζεται σε συγκεντρωτικά δεδομένα. Συνολικές δαπάνες εισόδου, συνολικά αποτελέσματα εξόδου, και τα μοτίβα που εξάγονται από αυτά.

Αυτή ακριβώς η λεπτομέρεια είναι ο λόγος για τον οποίο επανέρχεται στο προσκήνιο.

Γιατί επανέρχεται αυτή τη στιγμή

Τα cookies έγιναν λιγότερο αξιόπιστα. Οι κανόνες προστασίας της ιδιωτικής ζωής έγιναν όλο και πιο αυστηροί. Και πολλά από τα εργαλεία παρακολούθησης στα οποία βασίζονταν οι επαγγελματίες του μάρκετινγκ για χρόνια σταμάτησαν σιωπηλά να λειτουργούν τόσο καλά όσο παλιά.

Σύμφωνα με μια έρευνα της TransUnion που δημοσίευσε το eMarketer, σχεδόν οι μισοί επαγγελματίες του μάρκετινγκ από μάρκες και διαφημιστικές εταιρείες στις ΗΠΑ, το 46,9%, σχεδιάζουν να επενδύσουν στο MMM κατά τη διάρκεια του επόμενου έτους. Και το 27,6% το χαρακτηρίζει πλέον ως τη μοναδική και πιο αξιόπιστη μέθοδο μέτρησης, μπροστά από την απόδοση πολλαπλών επαφών (multi-touch attribution) που βρίσκεται στο 19,4%.

Δεν πρόκειται για μια μικρή αλλαγή. Πρόκειται για τους επαγγελματίες του μάρκετινγκ που δηλώνουν ανοιχτά ότι το παλιό εγχειρίδιο δεν είναι πλέον αρκετά αξιόπιστο από μόνο του.

Μια άλλη έρευνα από το eMarketer και τη Snap διαπίστωσε ότι πάνω από το ήμισυ των επαγγελματιών του μάρκετινγκ στις ΗΠΑ, το 53,5%, χρησιμοποιεί ήδη το MMM σε κάποια μορφή. Και η βελτίωση της ταχύτητας της διαδικασίας MMM κατατάχθηκε ως η κορυφαία προτεραιότητά τους στον τομέα της μέτρησης.

Δεν φαντάζεστε αυτή την τάση. Είναι πραγματική και επιταχύνεται.

Ένα απλό παράδειγμα συνδυασμού μέσων

Ας το κάνουμε λιγότερο αφηρημένο.

Ας υποθέσουμε ότι διεξάγετε ταυτόχρονα καμπάνιες πληρωμένης αναζήτησης, πληρωμένων κοινωνικών δικτύων και εθνικής ραδιοφωνικής διαφήμισης. Οι πωλήσεις σας αυξάνονται κατά τη διάρκεια αυτής της περιόδου. Η απλή απόδοση αποτελεσμάτων (attribution) ενδέχεται να αποδώσει το μεγαλύτερο μέρος της επιτυχίας στην πληρωμένη αναζήτηση, επειδή αυτό είναι το κανάλι με τα πιο σαφή δεδομένα κλικ.

Όμως, η MMM εξετάζει τη συνολική εικόνα. Μπορεί να αποκαλύψει ότι το ραδιόφωνο ήταν στην πραγματικότητα αυτό που οδήγησε σε ένα σημαντικό μέρος της αναγνωρισιμότητας της μάρκας, η οποία έκανε την πληρωμένη αναζήτησή σας να αποδώσει τόσο καλά εξ αρχής. Χωρίς το ραδιόφωνο, η πληρωμένη αναζήτηση δεν θα είχε αποδώσει σχεδόν τόσο αποτελεσματικά.

Αυτού του είδους οι πληροφορίες προκύπτουν από την ανάλυση του συνδυασμού μέσων, κάτι που η αναφορά σε επίπεδο καναλιού απλά δεν μπορεί να προσφέρει. Σας δείχνει πώς συνεργάζονται τα κανάλια μεταξύ τους, και όχι μόνο ποιο από αυτά λαμβάνει το τελευταίο κλικ.

Σύγχρονες τεχνικές μοντελοποίησης του συνδυασμού μέσων

Το MMM που χρησιμοποιούσε ο κλάδος σας πριν από δέκα χρόνια και το MMM που είναι διαθέσιμο σήμερα δεν είναι το ίδιο εργαλείο με νέο όνομα.

Τα παλαιότερα μοντέλα βασίζονταν σε μεγάλο βαθμό στη στατική παλινδρόμηση, η οποία ανανεωνόταν μία φορά το χρόνο, αν ήσασταν τυχεροί. Οι σύγχρονες τεχνικές μοντελοποίησης του συνδυασμού μέσων χρησιμοποιούν μεθόδους Bayesian που παρέχουν ένα πλήρες φάσμα αποτελεσμάτων και ένα επίπεδο εμπιστοσύνης, όχι απλώς έναν αριθμό που προσποιείται ότι είναι βέβαιος.

Επίσης, ανανεώνονται πολύ πιο συχνά. Σύμφωνα με έρευνα της OptiMine, η ακρίβεια ενός μοντέλου μπορεί να μειωθεί κατά 10 έως 35 τοις εκατό ή και περισσότερο όταν δεν ενημερώνεται τακτικά. Ένα μοντέλο που βασίζεται στις συνθήκες της αγοράς του περασμένου έτους μπορεί να σας παραπλανήσει αθόρυβα καθ’ όλη τη διάρκεια του τριμήνου χωρίς να το αντιληφθεί κανείς.

Η καλύτερη τρέχουσα προσέγγιση συνδυάζει τρία στοιχεία. Το MMM για τη γενική εικόνα. Τις δοκιμές επαυξητικότητας για την επικύρωση του τι είναι πραγματικά αιτιώδες. Και την απόδοση αποτελεσμάτων ανά πλατφόρμα για τακτικά, άμεσα σήματα. Σύμφωνα με την Measured, οι μάρκες που χρησιμοποιούν μια επικυρωμένη, αιτιωδώς βαθμονομημένη έκδοση αυτής της προσέγγισης παρατηρούν συνήθως αύξηση της αποδοτικότητας των μέσων κατά 10 έως 30 τοις εκατό εντός του πρώτου έτους.

Πού εντάσσεται αυτό στην πραγματική ροή εργασίας σας

Τίποτα από όλα αυτά δεν έχει σημασία αν καταλήξει απλώς σε ένα ακόμη στατικό αρχείο PDF που θα παραμείνει σε έναν κοινόχρηστο δίσκο μέχρι το επόμενο τρίμηνο.

Εδώ είναι που η βελτιστοποίηση του μείγματος μέσων πρέπει να ενσωματωθεί άμεσα στον τρόπο με τον οποίο λειτουργεί στην πράξη η ομάδα σας. Ο τριμηνιαίος χάρτης πορείας του μάρκετινγκ θα πρέπει να αντανακλά αυτό που σας λέει το μοντέλο σας, όχι αυτό που σας έλεγε πριν από έξι μήνες. Οι αποφάσεις σχετικά με τον προϋπολογισμό θα πρέπει να λαμβάνονται με την ίδια ταχύτητα με την οποία ενημερώνεται το μοντέλο, χωρίς να περιμένετε την επόμενη προγραμματισμένη αναθεώρηση.

Εκεί ακριβώς αρχίζουν να έχουν σημασία η ενεργητική αγορά μέσων και η ενεργητική προώθηση προϊόντων στον ιστότοπο. Όταν τα αποτελέσματα του MMM τροφοδοτούν απευθείας συστήματα που μπορούν να μετατοπίσουν τον προϋπολογισμό ή να προσαρμόσουν την προώθηση προϊόντων σχεδόν σε πραγματικό χρόνο, το μοντέλο παύει να είναι μια απλή αναφορά. Γίνεται ενεργό μέρος του τρόπου με τον οποίο λαμβάνονται οι αποφάσεις.

Γιατί δεν πρέπει να το κάνετε αυτό μόνο με υπολογιστικά φύλλα

Η σωστή εκτέλεση του MMM με το χέρι είναι πραγματικά δύσκολη. Απαιτεί καθαρά ιστορικά δεδομένα, πραγματική στατιστική εμπειρογνωμοσύνη και συνεχή ανανέωση για να παραμείνει ακριβές.

Οι περισσότερες εσωτερικές ομάδες δεν διαθέτουν τους απαραίτητους πόρους για αυτό. Σύμφωνα με μια έρευνα των Funnel και Ravn Research, μόνο περίπου το ένα τέταρτο των εσωτερικών ομάδων μάρκετινγκ διαχειρίζεται το MMM εξ ολοκλήρου από μόνο του.

Αυτό ακριβώς είναι το κενό που έχει σχεδιαστεί να καλύψει μια σωστή πλατφόρμα Marketing Intelligence. Αντί να περιμένετε ένα ετήσιο μοντέλο από έναν εξωτερικό προμηθευτή, λαμβάνετε ανάλυση του συνδυασμού μέσων που ενημερώνεται συνεχώς, συνδεδεμένη με τα υπόλοιπα δεδομένα απόδοσης και εσόδων σας, ώστε να καθοδηγεί πραγματικά τις αποφάσεις αντί να τις τεκμηριώνει απλώς εκ των υστέρων.

Συμπέρασμα

Η μοντελοποίηση του μείγματος μέσων δεν επέστρεψε επειδή οι επαγγελματίες του μάρκετινγκ νοσταλγούν τις παλιές τεχνικές.

Επιστρέφει επειδή οι αλλαγές στην προστασία της ιδιωτικής ζωής κατέστησαν ανεφάρμοστη την εναλλακτική λύση και επειδή η τεχνητή νοημοσύνη (AI) την έκανε επιτέλους αρκετά γρήγορη ώστε να είναι χρήσιμη τη στιγμή που χρειάζεται και όχι μόνο μία φορά το χρόνο.

Αν εξακολουθείτε να βασίζεστε αποκλειστικά στην απόδοση του τελευταίου κλικ, δεν βλέπετε την πλήρη εικόνα. Και κάθε τρίμηνο που περιμένετε να το διορθώσετε είναι ένα τρίμηνο κατά το οποίο οι αποφάσεις για τον προϋπολογισμό λαμβάνονται με βάση μια ελλιπή εικόνα.