Моделирование рыночного микса снова в моде, но без правильной архитектуры данных мы столкнемся с теми же камнями преткновения

МММ существуют уже много лет. Считавшийся немного скучным и доступным лишь немногим избранным, он всегда считался гигантским ежегодным упражнением, через которое должны были пройти крупные рекламодатели. Для рекламодателей, более ориентированных на цифровые технологии, существовала волшебная палочка мультитач-атрибуции и бесконечные цифровые показатели для оценки эффективности. Но реальность, похоже, наконец-то начинает проясняться в отрасли.

Отказ от сторонних файлов cookie означает конец методологий, основанных на атрибуции. Мультитач-атрибуция на основе файлов cookie в любом случае имела свои ограничения из-за разрозненных данных огороженных садов.

Рост рекламы на потоковых платформах (Netflix), аудио и розничной торговле увеличит объем данных внутри огороженных садов (отчет Warc и Amazon — Измерения следующей волны: моделирование маркетингового микса в эпоху розничной торговли)

После многих лет сосредоточения внимания на показателях конверсии нижней части воронки и иллюзии точности измерений, мы осознали ценность тактики верхней части воронки и, как следствие, необходимость количественной оценки эффективности всей воронки.

Таким образом, МММ снова стали использоваться для комплексного измерения всех маркетинговых каналов и получения долгосрочных эффектов. МММ также значительно изменились за последние годы.

1. МММ быстрее и более предсказуемы в реальном времени. Облачные вычисления обеспечивают более высокую вычислительную мощность за счет устранения необходимости ручного управления и преобразования данных.

2. Новые сложные методы машинного обучения, выходящие за рамки линейной регрессии. Алгоритмы позволяют быстрее тестировать множество вариантов и находить оптимальные характеристики модели, а не методом проб и ошибок вручную.

3. Возможность использовать больше сторонних источников данных для более полного представления, включая веб-аналитику, социальные показатели, данные рекламы в СМИ, POS-терминалы и CRM-системы розничных продавцов.

4. Переход к моделям МММ с открытым исходным кодом с помощью Robyn от Meta и Lightweight MMM от Google делает их более доступными для организаций, которые могут развертывать их без огромной команды специалистов по эконометрике.

МММ способны обеспечить более детальное представление об эффективности. Недавно Vodafone заключила партнерское соглашение с Google, чтобы оценить эффективность и истинную ценность различных кампаний на YouTube, включая творческий выбор и форматы.

В сегодняшней ситуации, когда конфиденциальность важна, MMM остаются наиболее целостным и точным средством количественной оценки того, как каждая точка контакта способствует продажам.

Но все начинается со стратегического подхода и чистых и красивых данных

«Данные — это мусор. Тебе лучше знать, что ты собираешься с ним делать, прежде чем собирать его». ~Марк Твен

Чтобы понять, что вы собираетесь делать с данными, необходимо:

Стратегическая направленность. Поддержка руководства и обеспечение того, чтобы лица, принимающие решения, понимали и поддерживали ценность принятия. Это включает в себя описание текущего состояния дел, создание стратегии данных и дорожной карты (включая собственные данные и дополнение их стратегией сторонних данных), определение результатов и того, как они повлияют на бизнес-решения. Наличие четкого плана на бумаге имеет важное значение, но затем за ним должны следовать действия — выделение ресурсов и мобилизация организации для поддержки инициативы.

Опыт. Ему также нужны люди, которые могут преодолеть разрозненность и работать в сфере бизнеса, маркетинга, СМИ, аналитики и инженерии. Люди, которые могут задавать правильные вопросы, понимать потребности и проблемы различных отделов, разбираться в маркетинге и науке о данных и могут применять бизнес-контекст для достижения результата, который принесет пользу всем в организации. Легче сказать, чем сделать!

Архитектура данных. Успех надежного подхода к измерению и MMM зависит от построения надежной архитектуры данных. Сложность и фрагментация точек соприкосновения между платформами делают это критически важным. Быстрый контрольный список:

Автоматизируйте, автоматизируйте, автоматизируйте!Если организации ищут гибкие MMM-системы, которые могут предоставлять аналитическую информацию практически в режиме реального времени, автоматизация будет ключевым моментом. Это означает чистоту данных во время сбора, хранения и подключения. В настоящее время настройка данных и приведение их в пригодное для использования состояние отнимает огромное количество времени и ресурсов, а также тратится впустую. Прежде чем моделировать, очистите и профилируйте. Ищите пробелы, дубликаты и сомнительные данные. Вынести мусор через ETL.

Отмечайте все. Свяжите онлайн и офлайн на уровне промокода и документируйте происхождение данных.

Углубляйтесь в иерархии, таксономии и схемы. Добавляйте внешние данные для просмотра на 360 градусов. Ужасающие «соглашения об именах» никогда не были более важными. Предоставьте своим командам кристально четкие правила гигиены данных. Определите ключевые показатели эффективности и синхронизируйте идентификаторы для кампаний, SKU и клиентов по всему бизнесу. Запри его.

Найдите правильный баланс между детализацией и скоростью/практичностью. С увеличением фрагментации медиаканалов обработка больших объемов транзакционных данных, таких как часто встречающиеся данные о стоимости рекламы/показах, для моделирования становится все более сложной. Очистка и подготовка к анализу неструктурированных данных, таких как текстовый/аудио/видео маркетинговый контент, также требует времени. Поэтому крайне важно заранее определить цель и степень детализации МММ.

Свяжите их и сделайте все вместе — CRM, Интернет, офлайн — удобным. Автоматизируйте интеграцию данных с помощью API (Fivetran/Adverity), решений для сопоставления идентификаторов и связывайте точки взаимодействия с результатами на уровне клиентов, а также создавайте многоразовые конвейеры и структуры данных.Назначьте одного хранителя правды для продуктов, регионов и кампаний.

С распространением цифровых каналов унифицированная архитектура данных становится как никогда важной для сегодняшней сложной омниканальной среды. Надежная архитектура данных превращает MMM из теоретического моделирования в действенную основу для оптимизации маркетингового комплекса.

Заключение

Настало время организациям удвоить внимание к МММ и перейти от технического упражнения к тому, которое напрямую связано с реальными инвестиционными решениями. Это возможно только при наличии поддержки руководства, которая создаст правильную основу для того, чтобы МММ стали гибким, актуальным и эффективным показателем успеха.

Но все начинается с предоставления моделям безупречных и красивых данных!