6 Fragen, die Sie Ihrem Market Mix Modeling Partnerstellen sollten

1. Wird die Messung den inkrementellen Uplift der Medien zeigen?

Wenn die MMM-Modelle zwar die Medien messen, aber die Auswirkungen anderer Faktoren - wie Covid, Saisonabhängigkeit, wirtschaftliche Effekte usw. - nicht einbeziehen, erhalten Sie keine inkrementelle Messung und die Medieneffekte werden überbewertet.

Fragen Sie immer nach, welche anderen Faktoren als die Medien in das Modell einfließen und welche Datenquellen verwendet werden, um sicherzustellen, dass Ihre Ergebnisse so genau wie möglich sind.

2. Welche Zeitspanne deckt das Modell ab?

MMM benötigt mindestens zwei, besser drei Jahre an Daten, um sicherzustellen, dass es eine genaue Messung der Medien ableitet und diese nicht mit Faktoren wie Saisonabhängigkeit oder anderen längerfristigen Auswirkungen wie wirtschaftlichen Bewegungen vermengt. Wenn Sie Ergebnisse mit einem Rückblickfenster von drei Monaten erhalten, ist es sehr unwahrscheinlich, dass es sich um MMM handelt, und daher werden Sie keine inkrementellen Maßnahmen erhalten.

Fragen Sie, wie viele historische Daten der Anbieter benötigt.

3. Welcher KPI wird modelliert?

Fragen Sie, was die abhängige Variable" sein wird. Dies ist der KPI, der modelliert wird, und sollte die Kennzahl sein, anhand derer Ihr Geschäftserfolg beurteilt wird. Eine Verkaufsmetrik - wie Akquisitionen, Verkaufsvolumen, Umsatz oder ähnliches - ist ideal, da Sie die Steigerungen in Umsatz umrechnen und dann die Gewinnspanne verwenden können, um den Gewinn zu ermitteln, was Ihnen ermöglicht, die tatsächliche Amortisierung für das Geschäftsergebnis zu bewerten.

Wenn es sich nur um Webbesuche oder digitale Konversionen handelt, sollten die Alarmglocken läuten!

4. Wie gehen Sie mit den Auswirkungen interaktiver Kanäle um?

Jedes Modell muss widerspiegeln, wie die Dinge in der realen Welt funktionieren. Zum Beispiel können Markenmedien die Verbraucher dazu bringen, nach Ihren Produkten oder Dienstleistungen zu suchen, was wiederum die bezahlte Suche in die Höhe treibt. Dies muss in der Modellspezifikation korrekt berücksichtigt werden, ebenso wie etwaige Synergieeffekte zwischen den Kanälen und die Fähigkeit der Medien, Online- und Offline-Verkäufe zu fördern. Wenn dies nicht berücksichtigt wird, handelt es sich wahrscheinlich nicht um ein korrektes MMM.

Fragen Sie, wie interaktive Medieneffekte berücksichtigt werden.

5. Wie testen Sie auf Kausalität, Kollinearität und Signifikanz?

Diese Begriffe klingen kompliziert, aber sie sind nicht so beängstigend, wie sie scheinen!

Die Kausalität gibt die Richtung der Wirkung an, d. h. in welche Richtung sich etwas auf etwas anderes auswirkt. Treiben zum Beispiel Markenmedien die Verbraucher dazu an, nach einer Marke zu suchen, oder wirkt sich das Suchvolumen auf die Leistung der Markenmedien aus? Es gibt bestimmte ökonometrische Tests, die helfen, dies zu bestimmen und Ihre Ergebnisse zu validieren.

Bitten Sie um eine Liste aller möglichen Datenvariablen, die in das Modell aufgenommen werden sollen, sowie um die Verfahren, die zur Bestimmung der Kausalität verwendet werden sollen.

Kollinearität tritt auf, wenn sich zwei Faktoren in ähnlicher Weise bewegen und es schwierig wird, ihre Auswirkungen zu trennen, z. B. wenn Fernsehen und Radio mit einem konstanten Gewicht über dieselben vier Wochen geplant wurden, würde ein MMM-Modell Schwierigkeiten haben, die Auswirkungen jedes dieser Faktoren getrennt zu bestimmen. Das Auftreten von Kollinearität kann getestet werden und sollte vom Modellierer kenntlich gemacht werden.

Fragen Sie den Modellierer, welche Art von Tests er zur Bestimmung der Kollinearität verwenden wird.

Die Signifikanz sagt dem Modellierer, wie wichtig die einzelnen Faktoren im Modell sind. Sie müssen vorsichtig sein, wenn die Signifikanz niedrig ist (in der Regel bei Medienkanälen mit geringen Ausgaben), da der Modellierer in diesem Fall dem Ergebnis nicht trauen kann - was dem Kunden mitgeteilt werden sollte.

Erkundigen Sie sich, auf welcher statistischen Ebene Medien berücksichtigt werden und wie der Modellierer niedrigere Werte kennzeichnen wird.

6. Wie hoch ist Ihr verifizierter Prognosefehler?

Um einen verifizierten Prognosefehler zu ermitteln, werden dem Modellierer Informationen darüber, wie sich der KPI über einen bestimmten Zeitraum entwickelt hat, "vorenthalten" oder nicht offengelegt. Der Modellierer muss dann anhand seiner Analyse "prognostizieren", was er für die KPI-Ergebnisse erwartet. Die Prognose kann dann mit den tatsächlichen Verkäufen verglichen werden, um die Genauigkeit des Modells zu überprüfen.

Angestrebt werden sollte ein Fehler von nicht mehr als 8 %, wobei eine Spanne zwischen 2 % und 8 % sinnvoll ist. Nicht-inkrementelle Modelle (z. B. Last-Click- oder Attributionsmodelle) sind schlecht für Prognosen geeignet.

Fragen Sie nach validierten Prognosen von früheren Kunden.

Ich hoffe, dies hat Ihnen geholfen, sich einen Überblick darüber zu verschaffen, worauf Sie achten müssen. Im Zweifelsfall sollten Sie sich auf diese einfachen Fragen verlassen, um ein Gefühl dafür zu bekommen, ob Ihr Partner solide und zuverlässig ist.

Weitere Informationen darüber, wie wir Ihnen bei der Messung der Marketingeffektivität oder der Modellierung des Marktmixes behilflich sein können, finden Sie auf unserer Seite zur Messung oder kontaktieren Sie uns.