Che cos’è la modellizzazione del media mix e perché i professionisti del marketing stanno tornando a utilizzarla?

Introduzione

Probabilmente avrete notato che ultimamente sta succedendo qualcosa di strano nel vostro feed.

Un metodo di misurazione risalente a decenni fa è improvvisamente tornato ovunque. Se ne parla nei discorsi di apertura delle conferenze. Le agenzie lo propongono in ogni presentazione. E no, non si tratta di nostalgia.

Si tratta del media mix modeling. E se sei un responsabile marketing o gestisci un’agenzia con team di piccole o medie dimensioni, devi capire perché è tornato in auge e perché oggi è più importante di quanto non lo fosse cinque anni fa.

Che cos’è in realtà il media mix modeling

Il media mix modeling, spesso abbreviato in MMM, è una tecnica statistica.

Analizza i tuoi dati storici: spesa, vendite, stagionalità, prezzi e altri fattori esterni. Quindi stima quanto ogni canale abbia effettivamente contribuito ai tuoi risultati.

Ecco la parte che lo rende diverso dalla maggior parte dei sistemi di tracciamento moderni: non segue i singoli utenti su Internet, ma opera invece su dati aggregati. Spesa totale in entrata, risultati totali in uscita, modelli estratti nel mezzo.

È proprio questo singolo dettaglio il motivo per cui sta tornando in auge.

Perché sta tornando proprio ora

È diventato più difficile fare affidamento sui cookie. Le norme sulla privacy sono diventate sempre più rigide. E gran parte dei sistemi di tracciamento su cui i professionisti del marketing hanno fatto affidamento per anni ha smesso silenziosamente di funzionare come un tempo.

Secondo un sondaggio di TransUnion riportato da eMarketer, quasi la metà dei professionisti del marketing di marchi e agenzie statunitensi, ovvero il 46,9%, prevede di investire nell’MMM nel corso del prossimo anno. E il 27,6% lo definisce ora il proprio metodo di misurazione più affidabile in assoluto, davanti all’attribuzione multitouch, che si attesta al 19,4%.

Non si tratta di un cambiamento di poco conto. Significa che i professionisti del marketing ammettono apertamente che il vecchio approccio non è più sufficientemente affidabile di per sé.

Un altro sondaggio condotto da eMarketer e Snap ha rilevato che oltre la metà dei professionisti del marketing statunitensi, ovvero il 53,5%, utilizza già l’MMM in qualche forma. Inoltre, migliorare la velocità del proprio processo di MMM è risultato essere la loro priorità assoluta in materia di misurazione.

Non state immaginando questa tendenza. È reale e sta accelerando.

Un semplice esempio di media mix

Rendiamo il tutto meno astratto.

Supponiamo che stiate conducendo contemporaneamente una campagna di ricerca a pagamento, una campagna sui social a pagamento e una campagna radiofonica nazionale. Le vostre vendite aumentano in quel periodo. Un’attribuzione semplice potrebbe attribuire la maggior parte del merito alla ricerca a pagamento, poiché è il canale con i dati sui clic più chiari.

Ma l’MMM considera il quadro completo. Potrebbe rivelare che, in realtà, è stata la radio a generare una parte significativa della notorietà del marchio che ha permesso alla ricerca a pagamento di ottenere risultati così positivi. Senza la radio, la ricerca a pagamento non avrebbe generato conversioni con la stessa efficienza.

Questo è il tipo di insight che un’analisi del media mix mette in luce e che i report a livello di singolo canale semplicemente non sono in grado di fornire. Ti mostra come i canali interagiscono tra loro, non solo quale di essi ottiene l’ultimo clic.

Tecniche moderne di modellizzazione del media mix

L’MMM utilizzato nel vostro settore dieci anni fa e l’MMM disponibile oggi non sono lo stesso strumento con un nome nuovo.

I modelli più datati si basavano in gran parte sulla regressione statica, aggiornata una volta all’anno, se andava bene. Le moderne tecniche di modellizzazione del media mix utilizzano metodi bayesiani che restituiscono un’ampia gamma di risultati e un livello di confidenza, non solo un numero che finge di essere certo.

Inoltre, vengono aggiornati molto più spesso. Secondo una ricerca di OptiMine, l’accuratezza del modello può ridursi dal 10 al 35 per cento o più se non viene aggiornato regolarmente. Un modello basato sulle condizioni di mercato dell’anno scorso può tranquillamente fuorviarti per tutto il trimestre senza che nessuno se ne accorga.

L’approccio migliore attualmente disponibile combina tre elementi: l’MMM per una visione d’insieme; i test di incrementabilità per convalidare ciò che è effettivamente causale; e l’attribuzione della piattaforma per un segnale tattico e immediato. Secondo Measured, i marchi che utilizzano una versione convalidata e calibrata causalmente di questo approccio registrano in genere un aumento dell’efficienza dei media compreso tra il 10 e il 30 per cento entro il primo anno.

Come integrare tutto questo nel vostro flusso di lavoro

Nulla di tutto ciò ha importanza se diventa solo un altro PDF statico che rimane in un drive condiviso fino al prossimo trimestre.

È qui che l’ottimizzazione del media mix deve integrarsi direttamente nel modo in cui il vostro team lavora effettivamente. La vostra roadmap di marketing trimestrale dovrebbe riflettere ciò che il vostro modello vi sta dicendo, non ciò che vi diceva sei mesi fa. Le decisioni di budget dovrebbero muoversi alla stessa velocità con cui il modello viene aggiornato, senza attendere la prossima revisione programmata.

È proprio qui che l’acquisto di spazi pubblicitari e il merchandising del sito web basati su un approccio proattivo iniziano ad assumere importanza. Quando i risultati del tuo MMM vengono integrati direttamente in sistemi in grado di riassegnare il budget o adeguare il merchandising quasi in tempo reale, il modello smette di essere un semplice report. Diventa parte attiva del processo decisionale.

Perché non dovreste farlo solo con i fogli di calcolo

Eseguire un MMM corretto manualmente è davvero difficile. Richiede dati storici puliti, una vera competenza statistica e un aggiornamento costante per mantenere l’accuratezza.

La maggior parte dei team interni non dispone delle risorse necessarie per farlo. Secondo un sondaggio condotto da Funnel e Ravn Research, solo circa un quarto dei team di marketing interni gestisce il proprio MMM interamente in autonomia.

È proprio questa la lacuna che una piattaforma di Marketing Intelligence adeguata è progettata per colmare. Invece di attendere un modello annuale da un fornitore esterno, si ottiene un’analisi del media mix che si aggiorna continuamente, collegata al resto dei dati relativi alle prestazioni e ai ricavi, in modo da guidare effettivamente le decisioni anziché limitarsi a documentarle a posteriori.

Conclusione

Il media mix modeling non è tornato perché i professionisti del marketing hanno avuto un ritorno al passato verso le vecchie tecniche.

È tornato perché i cambiamenti in materia di privacy hanno reso inattuabile l’alternativa e perché l’intelligenza artificiale lo ha finalmente reso abbastanza veloce da essere utile nell’immediato, anziché una volta all’anno.

Se vi affidate ancora esclusivamente all’attribuzione all’ultimo clic, non state vedendo il quadro completo. E ogni trimestre che aspettate per risolvere questo problema è un trimestre di decisioni di budget prese sulla base di informazioni incomplete.