O que é a modelagem de mix de mídia e por que os profissionais de marketing estão voltando a utilizá-la?

Introdução

Você provavelmente já percebeu que algo estranho está acontecendo no seu feed ultimamente.

Um método de medição de décadas atrás está, de repente, em toda parte novamente. As pessoas estão falando sobre ele em palestras de conferências. As agências estão apresentando-o em todas as suas apresentações. E não, não é nostalgia.

Trata-se da modelagem de mix de mídia. E se você é um líder de marketing ou dirige uma agência que gerencia equipes de pequeno a médio porte, precisa entender por que ela está de volta e por que é mais importante agora do que há cinco anos.

O que realmente é a modelagem de mix de mídia

A modelagem de mix de mídia, frequentemente abreviada como MMM, é uma técnica estatística.

Ela analisa seus dados históricos: gastos, vendas, sazonalidade, preços e outros fatores externos. Em seguida, estima quanto cada canal realmente contribuiu para seus resultados.

Eis o que a diferencia da maioria dos sistemas de rastreamento modernos: ela não acompanha usuários individuais pela internet. Em vez disso, trabalha com dados agregados. Gastos totais de entrada, resultados totais de saída e padrões extraídos entre eles.

É exatamente esse detalhe que está fazendo com que ela volte a ganhar destaque.

Por que está voltando agora

Ficou mais difícil confiar nos cookies. As regras de privacidade ficaram cada vez mais rígidas. E grande parte do rastreamento no qual os profissionais de marketing se apoiavam há anos deixou, discretamente, de funcionar tão bem quanto antes.

De acordo com uma pesquisa da TransUnion divulgada pela eMarketer, quase metade dos profissionais de marketing de marcas e agências dos EUA, 46,9%, planeja investir em MMM no próximo ano. E 27,6% agora o consideram seu método de medição mais confiável, à frente da atribuição multitoque, com 19,4%.

Essa não é uma mudança pequena. São os profissionais de marketing admitindo abertamente que o antigo manual deixou de ser confiável o suficiente por si só.

Outra pesquisa da eMarketer e da Snap revelou que mais da metade dos profissionais de marketing dos EUA, 53,5%, já utiliza o MMM de alguma forma. E melhorar a velocidade de seu processo de MMM foi classificada como sua principal prioridade de medição.

Você não está imaginando essa tendência. Ela é real e está se acelerando.

Um exemplo simples de mix de mídia

Vamos tornar isso menos abstrato.

Digamos que você esteja veiculando campanhas de busca paga, redes sociais pagas e uma campanha de rádio nacional ao mesmo tempo. Suas vendas aumentam durante esse período. A atribuição simples pode atribuir a maior parte do crédito à busca paga, porque esse é o canal com os dados de cliques mais precisos.

Mas o MMM analisa o quadro completo. Ele pode revelar que o rádio, na verdade, estava gerando uma parte significativa do reconhecimento da marca que fez com que sua campanha de busca paga tivesse um desempenho tão bom em primeiro lugar. Sem o rádio, a campanha de busca paga não teria convertido com tanta eficiência.

Esse é o tipo de insight que uma análise de mix de mídia traz à tona e que os relatórios em nível de canal simplesmente não conseguem. Ela mostra como os canais atuam em conjunto, e não apenas qual deles recebe o último clique.

Técnicas modernas de modelagem de mix de mídia

O MMM que seu setor utilizava há dez anos e o MMM disponível hoje não são a mesma ferramenta com um novo nome.

Os modelos mais antigos dependiam fortemente da regressão estática, atualizada uma vez por ano, se você tivesse sorte. As técnicas modernas de modelagem de mix de mídia utilizam métodos bayesianos que apresentam uma gama completa de resultados e um nível de confiança, e não apenas um número que finge ser definitivo.

Eles também são atualizados com muito mais frequência. De acordo com uma pesquisa da OptiMine, a precisão do modelo pode diminuir de 10 a 35 por cento, ou mais, quando não é atualizado regularmente. Um modelo construído com base nas condições de mercado do ano passado pode, discretamente, induzir você ao erro durante todo o trimestre sem que ninguém perceba.

A melhor abordagem atual combina três elementos: a MMM para uma visão geral; testes de incrementalidade para validar o que é realmente causal; e a atribuição de plataforma para sinais táticos e imediatos. De acordo com a Measured, marcas que utilizam uma versão validada e calibrada causalmente dessa abordagem geralmente observam ganhos de 10% a 30% na eficiência de mídia já no primeiro ano.

Como isso se encaixa no seu fluxo de trabalho real

Nada disso importa se acabar se tornando apenas mais um PDF estático que fica em uma unidade compartilhada até o próximo trimestre.

É aqui que a otimização do mix de mídia precisa se integrar diretamente à forma como sua equipe realmente trabalha. Seu roteiro trimestral de marketing deve refletir o que seu modelo está indicando agora, não o que ele indicava há seis meses. As decisões orçamentárias devem acompanhar a velocidade das atualizações do modelo, sem esperar pela próxima revisão programada.

É também aí que a compra de mídia proativa e o merchandising proativo do site começam a fazer diferença. Quando os resultados do seu MMM alimentam diretamente sistemas capazes de realocar o orçamento ou ajustar o merchandising quase em tempo real, o modelo deixa de ser apenas um relatório. Ele se torna parte ativa do processo de tomada de decisões.

Por que você não deve fazer isso apenas com planilhas

Executar um MMM adequado manualmente é realmente difícil. São necessários dados históricos limpos, conhecimento estatístico de verdade e atualizações constantes para manter a precisão.

A maioria das equipes internas não tem recursos para isso. De acordo com uma pesquisa da Funnel e da Ravn Research, apenas cerca de um quarto das equipes internas de marketing lida com seu MMM inteiramente por conta própria.

Essa é exatamente a lacuna que uma plataforma de inteligência de marketing adequada foi criada para preencher. Em vez de esperar por um modelo anual de um fornecedor externo, você obtém uma análise de mix de mídia que se atualiza continuamente, conectada ao restante dos seus dados de desempenho e receita, de modo que ela realmente oriente as decisões, em vez de apenas documentá-las após o fato.

Conclusão

A modelagem de mix de mídia não está de volta porque os profissionais de marketing ficaram nostálgicos em relação às técnicas antigas.

Ela está de volta porque as mudanças na privacidade inviabilizaram a alternativa e porque a IA finalmente a tornou rápida o suficiente para ser útil no momento, em vez de apenas uma vez por ano.

Se você ainda depende exclusivamente da atribuição ao último clique, não está enxergando o quadro completo. E cada trimestre que você espera para corrigir isso é um trimestre de decisões orçamentárias tomadas com base em informações incompletas.