Jak działa Marketing Mix Modeling
MMM opiera się na regresji statystycznej łączącej dane o wydatkach marketingowych w poszczególnych kanałach z danymi o sprzedaży w tym samym okresie, zwykle w ujęciu tygodniowym lub miesięcznym. Model szuka zależności: jak zmiana wydatków w danym kanale koreluje ze zmianą sprzedaży, przy jednoczesnym uwzględnieniu innych zmiennych wpływających na wynik.
Do tych zmiennych należą, oprócz wydatków reklamowych:
- sezonowość i święta,
- promocje cenowe i wyprzedaże,
- zmiany cen produktów,
- czynniki zewnętrzne, takie jak pogoda przy niektórych kategoriach produktowych,
- działania konkurencji, jeśli dane są dostępne.
Dwa mechanizmy, które odróżniają MMM od prostej korelacji
Efekt nasycenia (saturation)
Zależność między wydatkami a sprzedażą rzadko jest liniowa. Pierwsze złotówki wydane w kanale zwykle przynoszą wyższy zwrot niż kolejne, bo kampania najpierw dociera do najbardziej zaangażowanej części odbiorców. Po przekroczeniu pewnego poziomu wydatków przyrost sprzedaży na każdą dodatkową złotówkę maleje. MMM modeluje tę krzywą nasycenia dla każdego kanału osobno, co pozwala oszacować punkt, w którym dalsze zwiększanie budżetu przestaje być efektywne.
Efekt opóźnienia i utrzymania (adstock, carryover)
Wpływ reklamy na sprzedaż rzadko kończy się w dniu emisji. Część efektu rozkłada się na kolejne dni lub tygodnie, na przykład gdy klient zobaczył reklamę, ale zdecydował się na zakup dopiero później. MMM uwzględnia ten opóźniony i wygasający w czasie wpływ, zamiast przypisywać całą wartość sprzedaży wyłącznie do dnia, w którym padło kliknięcie.
MMM a atrybucja: różne pytania, różne odpowiedzi
Atrybucja odpowiada na pytanie, który konkretny punkt styku z konkretnym użytkownikiem doprowadził do konkretnej konwersji. MMM odpowiada na inne pytanie: jaki jest łączny wpływ danego kanału na sprzedaż w danym okresie, niezależnie od możliwości prześledzenia pojedynczej ścieżki użytkownika.
| Aspekt | Atrybucja (click-based) | Marketing Mix Modeling |
|---|---|---|
| Poziom danych | Pojedynczy użytkownik, pojedyncza ścieżka | Dane zagregowane w czasie (np. tygodniowo) |
| Zależność od cookies | Wysoka | Brak zależności |
| Uwzględnia czynniki offline i zewnętrzne | Zwykle nie | Tak, jeśli dane są dostępne |
| Granularność wyniku | Bardzo szczegółowa, do poziomu kampanii | Ogólniejsza, poziom kanału |
| Wymagana historia danych | Może działać przy krótszej historii | Zwykle wymaga co najmniej kilkunastu miesięcy danych |
Wniosek: te metody nie są konkurencyjne, tylko komplementarne. Atrybucja dobrze sprawdza się w codziennej optymalizacji kampanii, MMM w strategicznych decyzjach o alokacji budżetu między kanałami w dłuższym horyzoncie.
MMM w erze cookieless
Ograniczenia w śledzeniu użytkowników między stronami i urządzeniami, wynikające z polityk przeglądarek i regulacji prywatności, bezpośrednio osłabiają dokładność atrybucji opartej na kliknięciach. MMM nie korzysta z danych na poziomie użytkownika, więc nie jest dotknięty tym problemem w ten sam sposób. To jeden z głównych powodów rosnącego zainteresowania tą metodą wśród firm, które wcześniej polegały wyłącznie na atrybucji platformowej.
Nie oznacza to, że MMM jest wolny od ograniczeń. Model wymaga wystarczającej zmienności w danych wejściowych, na przykład różnych poziomów wydatków w poszczególnych okresach, żeby móc wiarygodnie oszacować zależności. Kanał, w którym wydatki są od miesięcy niemal identyczne, trudno ocenić modelem regresyjnym, bo brakuje zmienności potrzebnej do wykrycia zależności.
Kiedy MMM ma sens, a kiedy nie
MMM sprawdza się przy:
- kilkunastu miesiącach lub dłużej historii danych sprzedażowych i wydatków marketingowych,
- obecności w wielu kanałach jednocześnie, gdzie interakcje między nimi trudno rozdzielić metodami click-based,
- budżecie marketingowym na tyle dużym, że błędy alokacji mają realne znaczenie finansowe.
MMM nie jest naturalnym punktem startowym dla:
- sklepów z krótką historią sprzedaży, gdzie brakuje danych do wiarygodnego modelu,
- bardzo małych budżetów skoncentrowanych w jednym, dwóch kanałach, gdzie prostsze metody wystarczą,
- sytuacji wymagających odpowiedzi na poziomie pojedynczej kampanii, a nie całego kanału.
Najczęstsze pytania
Czy MMM zastępuje atrybucję?
Nie. To metody odpowiadające na różne pytania i dobrze się uzupełniają, MMM na poziomie strategicznym, atrybucja na poziomie operacyjnym.
Ile danych historycznych potrzeba do MMM?
Zwykle mowa o co najmniej kilkunastu miesiącach danych, żeby model miał wystarczającą zmienność do oszacowania zależności między wydatkami a sprzedażą.
Czy MMM działa dla małego sklepu internetowego?
Teoretycznie tak, ale przy niskim wolumenie sprzedaży i krótkiej historii danych wyniki bywają mniej stabilne niż dla firm z dłuższą historią i większą skalą.
Sprawdź, czy Twoja historia danych sprzedażowych i marketingowych jest już wystarczająca, żeby MMM dał wiarygodne wnioski, zanim zainwestujesz czas we wdrożenie.
Gotowi zobaczyć swoje liczby?
15-minutowe demo na Twoich danych, bez zobowiązań.
