Маркетинг-микс моделирование (MMM) против атрибуции на основе правил

Маркетинг-микс моделирование (MMM) против атрибуции на основе правил

В эпоху privacy-first (приоритета приватности данных) фокус смещается с привычной атрибуции на основе правил (last-click или линейная модель) в сторону моделирования маркетингового микса (MMM).

MMM — это статистический метод, который использует исторические данные о продажах, медиа-активности и внешних факторах (сезонность, экономические циклы), чтобы оценить вклад каждого канала в выручку и вычислить маркетинговый эффект.

Главное отличие от классической атрибуции в том, что моделирование не требует идентификаторов пользователя и файлов cookie. Если атрибуция пытается отследить путь конкретного человека по кликам, то MMM анализирует корреляцию между расходами на конкретный канал и общим объемом продаж на уровне компании.

Типичная ошибка — пытаться использовать MMM для принятия решений в реальном времени. В отличие от performance-инструментов, метод требует накопления данных за длительный период (от 1 года и более) и не подходит для настройки кампаний «здесь и сейчас».

Пример: Крупный FMCG-ритейлер видит в системе аналитики, что доля прямых заходов растет, а эффективность контекстной рекламы падает. С помощью MMM компания обнаруживает, что видеореклама на ТВ и в стримингах обеспечивает отложенный спрос, который конвертируется в прямые заходы спустя две недели. Без учета этого фактора бренд рисковал необоснованно сократить медийный бюджет.

— @MarTechNewsDigest

Параллельный взгляд на тему — @ResearchVendorsRu