Я работаю в цифровом маркетинге более десяти лет и всегда ищу способы улучшения анализа рынка и отчетности. После работы в ведущих цифровых агентствах и моем собственном многоканальном агентстве, Media Mix Modeling (MMM) имеет решающее значение в моей работе.

Я основал агентство SEO и PPC с Ли Батри, и мы посвятили себя многоканальному маркетингу. Она управляет PPC, я управляю SEO, и мы оба знаем, что наша работа влияет на другую. Мы также тесно сотрудничаем с внутренними командами, в которых есть много других каналов в своих маркетинговых наборах СМИ.

Когда дело доходит до маркетинга, я уверен, что мы все можем согласиться с тем, что лучше всего подход.

Задача? Ну, это в анализе. Мы все знаем, что покупатели редко конвертируются благодаря одному средствам массовой информации, но какие средства массовой информации дают результаты?

Ну, вот где играет Mediamix Modeling.

В этой статье я изучаю моделирование медиа -микса (MMM) с его определением, структурами и примерами MMM в действии. Я достиг маркетологов, продавцов и владельцев бизнеса, которые использовали MMM в своем маркетинговом анализе. Они делятся анекдотами и советами от реальной жизни, чтобы помочь вам чувствовать себя в безопасности в MMM.

Давайте начнем.

Счет

Если вы понимаете, как ваши каналы «играют» вместе и насколько эффективны каждый канал, вы можете оптимизировать свой СМИ планирование. Например, вы лучше поймете, в какие каналы больше инвестировать и для какой цели.

Последующее наблюдение, когда я поделюсь некоторыми примерами реальной жизни о том, как MMM изменил бизнес-подход к маркетингу.

Моделирование медиа -микса в маркетинге

Источник

Моделирование Media Mix — лучший друг маркетолога — хотя есть немалый подвиг для настройки. У вас будет много чистых данных, в идеале на протяжении многих лет.

MMM использует исторические данные для определения и количественной оценки взаимосвязи между маркетинговыми каналами и их влиянием на бизнес -цели, такие как конверсия или доход. Здесь он сильно отличается от других моделей.

Например, последние модели атрибуции прикосновения рассматривают только последний маркетинговый канал, который приводит к продажам, в то время как первая атрибуция Touch делает наоборот.

Я чувствую, что большинство маркетологов рады сказать, что продажи редко происходят только из канала, и каждый СМИ играет роль.

Благодаря моделированию Media Mix маркетологи могут предсказать будущие результаты, что помогает им принимать маркетинговые решения в качестве распределения бюджетов.

С MMM Can Can Markers:

• Соберите исторические данные о таких вещах, как маркетинг, продажи, тенденции и т. Д.
• Разработать статистическую модель, которая объясняет взаимосвязь между маркетинговой деятельностью и результатами бизнеса.
• Интерпретировать результаты, чтобы понять эффективность каждого маркетингового канала.
• Используйте понимание, чтобы перераспределить бюджет и ресурсы для максимальной прибыли.
• Прогнозируйте будущие результаты на основе различных сценариев маркетинга.

На мой взгляд, основное значение МММ лежит в данных. Вместо того, чтобы принимать решения на основе чувств кишечника, вы можете количественно оценить роль канала в маркетинге. Вы также уйдете от расчетов канала Siled, чтобы принимать более широкие решения, управляемые данными, с полным изображением маркетинговых показателей.

Среда моделирования медиа -микса

Источник

Среда Media Mix Model Framework состоит из шести шагов.

1. Сбор данных Зависит от высококачественных, продольных данных из разных источников и маркетинговых каналов. Как показано выше, это может включать в себя продажи, маркетинг, потребители, продукты, финансовые и конкурентные данные.
2. Гигиена данных Так же хорошо, как кажется, но настало время и очень важный шаг. Он включает в себя очистку и привлечение данных в единый набор данных, который готов к анализу. Если вы не получите это правильно, вы не получите точный выход данных. Используйте свое время здесь.
3. Разработка модели Как правило, зависит от моделей машинного обучения, чтобы помочь вам понять взаимосвязь между маркетинговыми ресурсами и результатами бизнеса.
4. Анализ Лучше всего делать с небольшим вмешательством человека. ИИ может провести много анализа и фантастика для анализа больших наборов данных, но маркетинг очень нюанс, а человеческий обзор поиска ИИ важен.
5. Оптимизация В значительной степени зависит от достижения понимания, но благодаря вашей новой информации, управляемой данными, вы можете оптимизировать маркетинг и распределение бюджета для будущих кампаний.
6. Прогнозы как кажется. Теперь, когда у вас есть данные, вы можете предсказать потенциальные результаты различных сценариев маркетинга, создавать гипотезы, проверить их и повторить их в свой маркетинг, именно приводят к желаемому результату.

Моделирование примеров Media Mix

Лучший способ услышать о MMM и его влияние — примеры в реальной жизни. Я был взволнован прекрасным пониманием, полученным от маркетологов ниже.

Точечный синергизм между каналами

Аарон Уиттакер является вице -президентом по производству спроса в Процветный интернет -маркетингПолем Когда его спросили о значении MMM, Whittaker сказал, что он «преобразовал то, как мы назначаем маркетинговые бюджеты и измеряем влияние Cross -Channel».

Особенно ценное применение, которое обнаружил, который обнаружил, что было обнаружено синергизм между каналами. В этом случае солизного использования Уиттакер объясняет: «При анализе праздничной производительности розничного клиента, а не в изоляции каналов, MMM раскрыл неожиданный синергизм между радио рекламой и социальными сетями.

Мы обнаружили, что радио -реклама во время утренней подкрепления усиленного участия в социальных сетях с 25% в следующие часы — понимание, которое не будет видно с помощью традиционных моделей атрибуции. «

Что мне нравится в этом: Маркетинговая атрибуция является массовой задачей для любого бизнеса, и без MMM очень легко упустить ценность, которую в этом случае добавило радио. Было бы легко предположить, что посещения социальных сетей, последствий, взаимодействия и т. Д. Часто случается, что усилия приписываются социальным сетям, но реальность такова, что у радио есть роль, чтобы играть здесь.

С помощью этой информации вы можете лучше рационализировать, почему радио является частью медиа -микса. Лучше, вы можете ориентироваться на радио коды в нужное время (утром, когда это оказывается эффективно).

Для чаевого: Если вы работаете со своими объявлениями, изо всех сил пытаетесь получить желаемые результаты, или у вас есть доказательства (благодаря MMM!) Платный медиа -эмПолем Это делает простую работу по организации медиа -планирования и покупок в СМИ.

Количественно оценить долгосрочный брендинг

Whittaker дал много примеров для MMM. Выбор того, какой из них включить в эту статью, был проблемой! Я должен был включить ценность долгосрочного брендинга и то, как MMM может помочь количественно оценить его роль.

Что касается брендинга, Whittaker говорит: «Что увлекательно, так это то, как MMM помогает количественно оценить долгосрочные мероприятия по брендингу. Мы обнаружили, что спонсорство подкастов показало минимальную мгновенную прибыль, но наше моделирование показало, что они внесли значительный Шесть месяцев.

Что мне нравится в этом: Как и в этом смысле, мне очень нравится, как MMM помогает оправдать маркетинговые усилия, которые в противном случае могут остаться незамеченными. Это правда, что если канал не приведет к немедленному возврату, он будет «не отслеживать», используя последнюю модель атрибуции прикосновения, но с MMM вы можете увидеть, как эти носители работают для вашего бизнеса.

Понять переход между онлайн и офлайновой медиа -активностью

Питер О’КаллаганМенеджер по маркетингу в Соскабливание пчелыНашли как можно больше значения, используя MMM для раскрытия региональных тенденций. О’Каллаган описывает MMM как трансформацию.

Он говорит, что это помогает «назначать бюджеты, уточнить сообщения и определить возможности роста. Это мощный инструмент, чтобы предсказать, куда инвестировать и куда уйти в отставку».

Когда его спросили о примере, О’Каллаган отвечает: «Это помогло нам найти Калифорнию и Техас как горячие точки, чтобы соскрести спрос на API, что принесло 40% наших лидеров. Перераспределив 5000 долл. США на гео-боли, ориентированные на кампании в этих штатах, мы увеличили региональное участие на 30%, сокращая цикл продаж почти на два часа на руководство. Этот региональный фокус продолжает формировать то, как мы приближаемся к стратегии кампании. «

Советы по использованию моделирования смешивания медиа

Совет 1: Начните анализ с большим количеством данных.

Наряду со своими примерами MMM, Аарон Уиттакер сообщил, что любой, начинающий с анализа MMM, должен начаться с «данных не менее 18-24 месяцев».

Чем больше данных, тем проще обнаружить тенденции. Уиттакер объясняет: «Данные 18-24 месяца [helps] Объясните сезонные модели и долгосрочные эффекты. Мы обнаружили, что более короткие периоды времени часто приводят к вводящим в заблуждение выводам об эффективности канала. «

У Whittaker есть еще один пример MMM, который прекрасно демонстрирует значение данных.

«Было удивительное открытие при моделировании сезонных влияний. Наш анализ показал, что эффективность различных каналов резко варьировалась в течение сезона. E -Post Marketing достиг пика в зимние месяцы, в то время как на открытой рекламе доставила самую высокую прибыль летом. Это привело к разработке стратегий динамического распределения бюджета, которые изменили расходы на основе сезонной эффективности. «

Что мне нравится в этом: Я уверен, что многие маркетологи, которые прочитали этот кивок в согласии. Мы все знаем, что нам нужны данные — и чем больше их, тем лучше — чтобы сделать соответствующий анализ.

Совет 2: Убедитесь, что ваши данные чисты.

Питер О’Каллаган рекомендует, чтобы «Ммм работает лучше всего, когда у вас есть четкие, измеримые цели. Без определенных результатов легко неверно истолковать понимание и действовать на неполную информацию. «

Легко пропустить, где нужны ваши данные, но у О’Каллагана есть несколько советов для этого.

• Остерегайтесь плохой сегментации. О’Каллаган объясняет, что плохая сегментация скрывает ценные закономерности. Он говорит: «Если данные слишком обобщены, важные тенденции, которые отдельные группы пользователей могут быть потеряны. Обмен данными в более мелкие, значимые сегменты позволяют вам понять уникальное поведение и предпочтения различных целевых групп».
• Сбалансировать оценку краткосрочных тенденций или сезонных шипов. О’Каллаган предупреждает о краткосрочных тенденциях и сезонных шипах, объясняя: «МММ-выходы иногда могут ввести в заблуждение, если вы будете взвесить краткосрочные тенденции слишком тяжелыми. Сезонные шипы или внешние факторы могут исказить результаты, если вы не поддерживаете их. Например, одноразовое увеличение трафика привело нас к переоценке эффективности электронной почты. Сейчас мы пересекаем результаты MMM с долгосрочными расчетами, чтобы обеспечить сбалансированное представление. «

Что мне нравится в этом: Это чувство, которое мы слышали ранее в этой статье. Мне нравится, что О’Каллаган рекомендует результаты перекрестных проверок с длинными расчетами. Этот совет идеально подходит для советов Аарона Уиттакера по запуску MMM с длинными данными.

Начните с моделированием микширования медиа

Как маркетолог и в первую очередь SEO, я знаю ценность моделирования медиа -микса. Все еще пишу эту статью и разговаривая с другими маркетологами, я вижу, как MMM помогает компаниям принимать лучшие маркетинговые решения. Вместо чувство В качестве определенных маркетинговых СМИ работает для вас, MMM помогает вам это доказать.

Так что, если вы хотите начать с моделирования Media Mix, сделайте это. Просто не забывайте собирать долгосрочные данные и перекрестную ссылку на краткосрочные результаты с длинными тенденциями.