6 perguntas a serem feitas ao seu parceiro de modelagem de mixagem de mercado
6 perguntas a serem feitas ao seu parceiro de modelagem de mixagem de mercado
Com o aumento da demanda por Modelagem de Mix de Mercado (MMM) nos últimos anos, houve um grande aumento no número de empresas que afirmam poder fazer MMM, apesar de terem pouca experiência no assunto. Isso pode levar a insights perigosamente errados para os clientes!
Portanto, nesse mercado cada vez mais confuso, como os profissionais de marketing que estão procurando um fornecedor de MMM podem identificar quais fornecedores estão fazendo medições robustas e confiáveis e quais não estão? Para ajudar os clientes a tomar essa importante decisão, compilamos seis perguntas-chave que você deve fazer aos possíveis fornecedores.
1. A medição mostrará o aumento incremental da mídia?
Se os modelos do MMM medirem a mídia, mas não incluírem o impacto de outros fatores - como Covid, sazonalidade, efeitos econômicos, etc. -, eles não fornecerão uma medida incremental e os efeitos da mídia serão exagerados.
Sempre pergunte quais fatores, além da mídia, serão incluídos no modelo e as fontes dos dados que eles usam, para garantir que seus resultados sejam os mais precisos possíveis.
2. Que período de tempo o modelo abrange?
O MMM precisa de pelo menos dois, de preferência três, anos de dados para garantir que está obtendo uma medição precisa da mídia e não a confundindo com fatores como sazonalidade ou outros impactos de longo prazo, como movimentos econômicos. Se você estiver obtendo resultados com uma janela de lookback de três meses, é muito improvável que seja MMM e, portanto, não serão medidas incrementais que você receberá.
Pergunte quantos dados históricos o provedor exigirá.
3. Qual é o KPI que está sendo modelado?
Pergunte qual será a "variável dependente". Esse é o KPI que está sendo modelado e deve ser a métrica pela qual o sucesso do seu negócio é julgado. Uma métrica de vendas - como aquisições, volume de vendas, receita ou similar - é ideal, pois você pode converter aumentos em receita e, em seguida, usar a margem para chegar ao lucro, o que permite avaliar o verdadeiro retorno para o resultado final da empresa.
Se forem apenas visitas à Web ou conversões digitais, o alarme deve soar!
4. Como você está lidando com os efeitos dos canais interativos?
Qualquer modelo precisa refletir como as coisas funcionam no mundo real. Por exemplo, a mídia de marca pode levar os consumidores a pesquisar seus produtos ou serviços, o que, por sua vez, aumenta a pesquisa paga. Isso precisa ser considerado corretamente na especificação do modelo, bem como quaisquer efeitos sinérgicos entre os canais e a capacidade da mídia de gerar vendas on-line e off-line. Se isso não for levado em conta, provavelmente não se trata de um MMM adequado.
Pergunte como os efeitos da mídia interativa são levados em conta.
5. Como você está testando a causalidade, a colinearidade e a significância?
Esses termos parecem complexos, mas não são tão assustadores quanto parecem!
A causalidade indica a direcionalidade do impacto, ou seja, de que forma algo afeta outra coisa. Por exemplo, a mídia de marca leva os consumidores a pesquisar uma marca ou o volume de pesquisas afeta o desempenho da mídia de marca? Há certos testes econométricos que podem ser feitos para ajudar a determinar isso e validar seus resultados.
Peça uma lista de todas as possíveis variáveis de dados que eles gostariam de incluir no modelo, bem como os processos que usarão para determinar a causalidade.
A colinearidade ocorre quando dois fatores se movem de forma semelhante e fica difícil separar seu impacto, por exemplo, se a TV e o rádio fossem planejados com um peso constante durante as mesmas quatro semanas, um modelo MMM teria dificuldade para determinar o impacto de cada um deles separadamente. As ocorrências de colinearidade podem ser testadas e devem ser sinalizadas pelo modelador.
Pergunte que tipo de testes o modelador usará para determinar a colinearidade.
A significância informa ao modelador a importância de cada um dos fatores no modelo. É preciso ter cuidado quando a significância for baixa (geralmente em canais de mídia de baixo gasto), pois é nesse caso que o modelador não pode ter confiança no resultado, o que deve ser sinalizado para o cliente.
Pergunte em que nível estatístico a mídia é considerada e como o modelador sinalizará medidas inferiores.
6. Qual é o seu erro de previsão verificado?
Para estabelecer um erro de previsão verificado, as informações sobre o desempenho do KPI em um período de tempo são "retidas" ou não reveladas ao modelador. O modelador precisa, então, usar sua análise para "prever" quais serão os resultados esperados do KPI. A previsão pode então ser comparada às vendas reais para verificar a precisão do modelo.
O objetivo deve ser ter um erro não superior a 8%, com uma faixa sensata entre 2% e 8%. Os modelos não incrementais (por exemplo, modelos de último clique ou de atribuição) são ruins em termos de previsão.
Pergunte se eles têm alguma previsão validada de clientes anteriores.
Esperamos que isso tenha ajudado a dar uma orientação sobre o que você precisa procurar. Em caso de dúvida, baseie-se nessas perguntas simples para ter uma ideia se seu parceiro é sólido e confiável.
Para obter mais informações sobre como podemos ajudá-lo com a medição da eficácia do marketing ou com a modelagem do mix de mercado, visite nossa página Medição ou entre em contato conosco.
