Waarom Marketing Mix Modeling steeds belangrijker wordt in het marketinglandschap

Marketing Mix Modelling

Marketing Mix Modelling (MMM) is een methode om de impact na te gaan van alle factoren die uw salesresultaten kunnen beïnvloeden. MMM kijkt niet alleen naar marketinguitgaven of media inzet, maar ook naar andere variabelen zoals externe economische invloeden en veranderende marktomstandigheden. Het resultaat is een dieper inzicht in de effectiviteit van uw marketingstrategieën en de ROI van uw marketinginvesteringen.

MMM is een hot topic in de marketingwereld en zal nog in belang toenemen door volgende redenen:  

Maximaliseren van ROI door data gedreven besluitvorming

In een steeds competitievere markt is het van belang om marketinguitgaven zo efficiënt mogelijk te besteden. Marketeers moeten hun beslissingen en investeringen rechtvaardigen door gebruik te maken van harde, meetbare gegevens.

Het einde van het cookie tijdperk door privacy beperkingen

Cookies, ooit de hoeksteen van online tracking en targeting, verliezen snel hun waarde door privacy beperkingen. MMM werkt enkel met geaggregeerde data, heeft dus geen last van de ‘last click’ attributiefout en is de oplossing voor het meten en analyseren van marketingeffectiviteit.

SaaS via Facebook en tech vendors

Voortbouwend op innovaties zoals cloud computing, online dashboarding en via investeringen in statistische kennis wordt MMM opnieuw verpakt als een gebruiksvriendelijke Software As a Service-oplossing (SaaS) van voornamelijk Facebook en een longtail van tech vendors (Pecan AI, Northbeam,..). Het meest onderscheidende kenmerk van SaaS MMM is dat het minder kosten, tijd en middelen vereist dan traditionele MMM.

Hoewel MMM ons waardevolle inzichten biedt, zijn er ook wel wat uitdagingen:
  • Marketing Mix Modeling wordt soms afgeschilderd als een eenvoudige en snelle methode om moeilijke vragen te beantwoorden. In werkelijkheid is MMM een veeleisend project dat duidelijk ownership nodig heeft en veel afstemming vereist tussen business- en marketing teams, media experten en data scientists. MMM heeft een minimum doorlooptijd van een maand.

  • Eén van de belangrijkste knelpunten is de kwaliteit en consistentie van de verzamelde gegevens. Het is van essentieel belang dat de data uitgebreid (min 1 jaar), volledig (liefst zoveel mogelijk verschillende variabelen) en nauwkeurig is en centraal wordt bijgehouden en gerapporteerd.

  • Er is niet één model of methode dat de beste uitkomst geeft. Er zijn heel wat verschillende type modellen die elk hun voor- en nadelen hebben en die in meer of mindere mate kunnen toegepast worden op de data. Daardoor is een SaaS-aanpak zelden de beste oplossing. Een data scientist of externe partner is nodig voor de statistische analyse en de keuze van het model en de evaluatie daarvan.
Tenslotte nog enkele learnings over media & MMM:
  1. Traditionele MMM modellen richten zich op de directe en vaak korte termijn impact van media touchpoints. Maar voor het begrijpen van de langetermijneffecten van media en de impact van het merk op sales, zijn extra data en modellen nodig. Sommige studies geven aan dat ongeveer 50% van de impact van media afkomstig is van de lange termijn.

  2. MMM modellen die gebruikt worden voor de optimalisatie van de mediamix hebben een duidelijke voorkeur voor media met continue tijdreeksen (zoals tv) versus meer ad hoc media (zoals dag of maandbladen). Bias is ook mogelijk bij het vergelijken van brede bereiksmedia met regionale media of sterk targeted touchpoints.

  3. MMM is geen heilige graal om de omzet te boosten. Het onvoorspelbare is niet te voorspellen en daarom is het meer een manier om de investeringen in marketing touchpoints te valideren en te optimaliseren dan een manier om de verkopen te voorspellen.
Media Research & Insights