-

Marketing Mix Modeling voor adverteerders van nu: een revival

Marketing Mix Modeling is wat uit de mode geraakt nu alles steeds meer ‘digital-first’ wordt. In werkelijkheid biedt MMM nog steeds veel voordelen, vooral bij strategische budgetvraagstukken, en zeker nu third-party cookies verdwijnen en de tools ‘open source’ zijn.

Al meer dan tien jaar wordt er door online marketeers gesproken over conversieattributie. Al meer dan tien jaar zien we dat alle adverteerders feitelijk nog steeds de ‘attributiecode’ nog niet gekraakt hebben. We kunnen inmiddels stellen dat een allesomvattende oplossing voor conversiemeting nooit gevonden gaat worden. Dit ontslaat ons echter niet van de plicht om de zoektocht naar modellen die het ‘minst fout’ zijn voort te zetten. Zeker wanneer we ons realiseren dat een groot deel van adverteerders nog steeds stuurt op post-click– en last-click-cijfers.

Inmiddels heeft Marketing Mix Modeling (MMM) zijn intrede gedaan in de digitale wereld. Is dat een nieuw hoofdstuk in de zoektocht naar het beste – of op zijn minst het ‘minste foute’ – model?

MMM uit de oude doos

Nee, MMM is niet nieuw. Sterker nog, al in de jaren 80 en 90 gebruikten econometristen MMM om te bepalen hoe marketingkanaaluitgaven de omzet beïnvloedden. In de meest eenvoudige vorm waren dit op maat gemaakte regressiemodellen die de waarde van een kanaal zouden schatten op basis van historische gegevens over kanaaluitgaven en -omzet. Deze modellen vereisten veel tijd en middelen om te bouwen en waren niet erg nauwkeurig, maar ze waren (en zijn) nog steeds populair onder kopers van meer traditionele media, zoals TV.

Met de opkomst van internet en e-commerce verschoof de focus van adverteerders naar digitale media. Een overvloed aan gedetailleerdere gebruikersgegevens werd beschikbaar via third-party cookies, hetgeen alternatieve datagedreven methoden om de effectiviteit van marketing te meten – zoals multi-touch attribution (MTA) – populairder maakte. Deze cookies registreren welke kanalen een gebruiker heeft geklikt of gezien voordat een aankoop plaatsvindt, en MTA gebruikt deze gegevens om te berekenen welke kanalen bijdragen aan een gedefinieerde conversie.

Ondanks de afnemende populariteit van MMM door de opkomst van digitale media, hebben ontwikkelingen op het gebied van econometrie en kunstmatige intelligentie het tot een krachtig hulpmiddel gemaakt dat veel geavanceerder, nauwkeuriger en sneller is dan de marketingmixmodellen waar de wereld eerder mee bekend was. De recente heropleving van MMM kan echter worden toegeschreven aan een andere ontwikkeling: de neergang van de cookie.

Waarom nu (opnieuw) aan de slag met MMM

Big-Tech-bedrijven als Google, Meta en Apple hebben afgelopen jaren gereageerd op nieuwe wetgeving en het groeiende privacybewustzijn bij consumenten. Dit ging (en gaat) allemaal niet van harte, maar feit is dat Big Tech verandert, en daarmee het digitale ecosysteem ook. Apple stopte met third-party cookies in Safari (2017) en binnenkort gaat Google hetzelfde doen (2024). Apple gebruikt privacy zelfs als verkooppunt, door App Tracking Transparency en Mail Privacy Protection te implementeren. Meta volgde door het Advanced Mobile Measurement-programma van Facebook stop te zetten.

De huidige verschuiving naar privacy heeft een grote impact op resultaat meting: succesvolle MTA wordt moeilijker omdat er minder gebruikersgegevens beschikbaar zijn, en marketeers moeten snel op zoek naar alternatieve methoden die niet afhankelijk zijn van gebruikersgegevens op gebruikersniveau. Dit is waar MMM weer in beeld komt.

Starten met MMM is laagdrempelig geworden

MMM heeft een aantal voordelen die het (opnieuw) een waardevol instrument maken voor marketeers. Ten eerste is MMM een privacyvriendelijke methode om de prestaties van marketingkanalen te meten, omdat het geen gebruikersgegevens op gebruikersniveau vereist. In plaats daarvan maakt het gebruik van media budget spend-gegevens.

Bovendien kan MMM rekening houden met andere factoren die van invloed zijn op de omzet, zoals het weer of zoiets als inflatie. Het is nuttig om de impact van deze factoren te meten, want het helpt om resultaten te verklaren. Een ander voordeel van MMM is dat het alle mediakanalen kan omvatten, niet alleen de digitale kanalen. Dit zorgt voor een holistische blik op de prestaties van de media-inzet.

Dit zijn allemaal voordelen die MTA niet heeft. Houd er echter rekening mee dat MMM niet bedoeld is om MTA te vervangen: beide methoden hebben hun sterke en zwakke punten. Ons advies: gebruik MTA voor de dagelijkse optimalisatie van media en MMM voor strategische budgetvraagstukken.

Er zijn veel verschillende partijen die hun eigen MMM’s hebben ontwikkeld op basis van hun eigen filosofieën over wat een goed model is. In de afgelopen zes maanden hebben we talloze MMM’s vergeleken op basis van functionaliteit, gebruiksgemak en bruikbaarheid. Zowel Google (Lightweight MMM)  als Meta (Robyn) hebben open-source MMM-modellen vrijgegeven. Deze hebben we vergeleken bij diverse adverteerders en we zien ook hier weer voor- en nadelen van verschillende modellen. Met deze open source-varianten is MMM toegankelijk geworden voor iedere marketeer en zijn de data die je erin stopt veel belangrijker geworden dan het model zelf. Goed nieuws dus voor wie zelf de controle wil hebben.

Over de auteurs: Bart van Vlerken is Marketing Analytics Specialist en Youri Harmsen is Strategisch Consultant en Managing Partner bij Springbok Agency.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social media: LinkedIn, Twitter en Facebook.

Deel dit bericht

1 Reactie

M. van Vlerken

Goed bezig Bart!

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond