Marketing Mix Modeling, resolviendo desafíos del marketing moderno
Marketing Mix Modeling, resolviendo desafíos del marketing moderno
Cómo medir el impacto de la inversión en publicidad en el escenario cookieless
Hola, soy Andrés Barreto de Product Hackers, y esta es mi newsletter sobre ecommerce → Ecommartech.
Ya somos +1518 apasionados del ecommerce, ¿te unes? 😉
En esta edición #59 me acompaña Tomás Paladino, responsable de asociaciones estratégicas de MUTT DATA, una compañía especializada en machine learning y big data, y hablaremos sobre una técnica de análisis estadístico que está ganando cada vez más relevancia en el mundo del marketing: el Marketing Mix Modeling (MMM).
En un escenario en el que la privacidad y la protección de datos de los consumidores son cada vez más importantes, MMM se ha convertido en una herramienta esencial para medir correctamente el impacto de la inversión en marketing.
Además, MMM ofrece soluciones para resolver los principales desafíos del marketing moderno, desde la limitación de la atribución online hasta la distribución eficiente del presupuesto de marketing.
En esta edición, te explicaremos qué es MMM, cómo funciona y qué resultados puede ofrecer.
Así que si eres un apasionado del marketing y quieres conocer más sobre el Marketing Mix Modeling, ¡sigue leyendo!
✨ Descarga este INFORME sobre Ecommerce B2B ✨🎯
💡 ¿Quieres patrocinar esta newsletter? Escríbeme y te cuento.
Marketing sin cookies🍪, y sin problemas
El Marketing Mix Modeling resuelve 4 problemas del marketing moderno, (el escenario cookieless entre ellos).
Marketing Mix Modelling, también conocido como MMM, no es una metodología nueva, pero sí una que está adquiriendo mayor importancia para medir correctamente el impacto de la inversión en marketing en el escenario actual debido a los avances en la tecnología, las técnicas estadísticas utilizadas y la privacidad.
¿Qué es MMM?
El Marketing Mix Modeling es una técnica de evaluación estadística que mide el efecto adicional de una acción de marketing en los resultados finales. En otras palabras, esta técnica permite conocer el impacto que tendrá invertir un euro extra en una campaña o canal específico sobre los resultados del negocio.
¿Qué desafíos resuelve MMM?
MMM le brinda las herramientas necesarias a los anunciantes para poder resolver los siguientes desafíos:
Medidas que limitan la atribución online: En un escenario en el que las grandes plataformas realizan cambios para proteger la privacidad de los consumidores, (sea eliminando cookies, u obligando a pedir permiso para utilizar IDFA o GAID en apps) la atribución a nivel usuario es cada vez más limitada.
Sesgos de atribución: Si bien muchos anunciantes lamentan el retiro de la atribución de cookies o last-click, este modelo está lejos de ser perfecto. De hecho, la atribución last-click suele otorgar mayor valor a los canales que están más cerca de la compra (como search) y menor valor a los canales que están al comienzo del user journey (como televisión).
Métricas y modelos de medición diferentes: con la multiplicidad de campañas y canales, resulta difícil integrar y comparar la data de performance para poder realizar planning y forecasting que contemple los distintos medios (tanto online como offline) de una manera coherente y unificada.
Distribución eficiente del presupuesto de marketing: Quizás todos los desafíos llevan a este: ¿cómo definir dónde invertir el presupuesto de marketing para maximizar resultados?
¿Qué se necesita para implementar MMM? ¿Cómo funciona?
Como en la mayoría de los modelos, la clave son los datos y estos dependerán de la hipótesis que se quiera resolver. La data utilizada debe recolectarse en time series. Lo mejor es utilizar data diaria de gastos y estímulos de los últimos 1.5-2 años o en caso de no tener data diaria, data semanal de los últimos 3 años. Afortunadamente, con los sistemas de MMM modernos, gran parte de la data puedes recolectarla vía API, facilitando el proceso y asegurando mayor granularidad.
¿Qué ofrece MMM? ¿Cuáles son los resultados de este análisis?
Los modelos de MMM ofrecen una mirada holística de los factores que influyen sobre las ventas. Algunos ejemplos del output de este análisis incluyen:
Factores que impactan las ventas
En este ejemplo, podemos ver que el 63.7% de las ventas se generaron de manera orgánica o bien por factores que no fueron contemplados en este modelo (como por ejemplo email marketing)
Asimismo se puede identificar rápidamente los factores que tuvieron mayor impacto positivo (facebook, google_busqueda, y tv) y los factores que no tuvieron efecto o tuvieron un efecto muy limitado (como linkedin, radio y offline_others).
La ventaja que presenta MMM frente a otros modelos es la mirada comprensiva. Más allá de entender cuáles son los canales o campañas que están performando bien es importante determinar cuánto potencial más tienen esos canales y campañas. Allí es donde entran las curvas de saturación.
Curvas de saturación de cada canal
Las curvas de saturación evalúan el potencial de cada canal. A medida que le incrementamos el presupuesto a un canal/campaña vemos un crecimiento en los resultados, pero este crecimiento es cada vez menor.
En el ejemplo podemos ver las distintas curvas de saturación de cada canal en el gráfico de la izquierda. A la derecha, nos enfocamos en dos de esas curvas para marcar la inversión óptima. Una vez pasada la inversión óptima, los anunciantes estarán sobre-invirtiendo sin ver resultados incrementales. Esa inversión “extra” podría utilizarse en otros canales para obtener mejores resultados.
Es muy común que las empresas sobre-inviertan en los canales que mejor rendimiento tienen al punto de saturarlos por lo que cada euro adicional no generaría un incremento en los resultados y sería mejor distribuírlo en otro canal.
Impacto de Seasonality y fechas especiales
La demanda y el impacto de las acciones publicitarias pueden variar a lo largo del año.
En este ejemplo, podemos identificar como las special_dates o fechas especiales impactaron las ventas. Adicionalmente, la tendencia muestra como las ventas crecieron durante 2020 y 2021, pero se redujeron mínimamente durante el 2022.
Con data sets completos (es decir data diaria de 2 años o data semanal de 3 años) es posible utilizar este análisis para predecir variaciones en las ventas de ciertos meses y fechas. A su vez, se puede utilizar para informar el planning de la distribución mensual de presupuesto.
Adicionalmente, los resultados de MMM ofrecen:
Un análisis del ad stock effect que ayuda a ver como varía el impacto de un anuncio a lo largo del tiempo
Un análisis del spend vs el impacto de cada canal
Un análisis de la data histórica (lo que efectivamente ocurrió) vs la data del modelo (lo que el modelo predice) para poder evaluar el accuracy del modelo y si hace falta incluir más data para poder responder la hipótesis propuesta.
Más allá de poder revisar cada uno de estos análisis, la mirada holística del MMM tiene también como output una recomendación de cómo redistribuir la inversión para ser más eficiente y estima cuánto puede ser la mejora obtenida.
Conclusion
El problema de distribución de presupuesto no es nuevo, pero el ecosistema de publicidad ha cambiado radicalmente. La estructura de medios y los mercados de consumo son mucho más complejos, competitivos y dinámicos que antes.
Afortunadamente, la tecnología también ha avanzado e implementar MMM hoy es mucho más accesible que antes. Los anunciantes pueden complementar su stack tecnológico de marketing para obtener más claridad y mejores resultados tanto offline como online.
☺️ Hemos llegado al final de esta edición, puedes compartir tu opinión con nosotros en LinkedIn, abriré un post de debate sobre las 8:30h.
Y no olvides dejarnos un ❤️
✨ Descarga este INFORME sobre Ecommerce B2B ✨
🔥 ¿Quieres patrocinar la Newsletter? Escríbeme y te cuento
Los patrocinadores deben ser empresas alineadas con el propósito y valores de la newsletter:
- Ya somos +1336 (contrastar dato actual) suscriptores de un perfil manager o directivo de ecommerce.
- No buscamos las masas, sino la calidad de la audiencia.
- Tenemos una tasa de apertura del 52%.
- Cada semana nos leen +6000 personas del sector gracias a LinkedIn y Twitter.
- La newsletter es monotemática, cada semana lanzamos una reflexión o una entrevista sobre temas de interés actual en ecommerce.
- Esta es una newsletter de gente del ecommerce para gente del ecommerce.
- Con cada edición lo que pretendemos es inspirar a otros con los aprendizajes que vamos teniendo, esto es entre todos.
- Valores: Cero humo. Inspirar a managers y directivos. Rentabilidad en ecommerce. Cultura de la experimentación. 100% Data centric.
- Cosas prohibidas: Gana dinero fácil o estas cosas similares.