Die Wiedergeburt der “Marketing -Mix -Modellierung”
Die anhaltenden Datenschutzherausforderungen und die ständig verbesserte Cloud- und künstliche Intelligenztechnologie treiben eine Marketingmodell-Renaissance vor.
Marketing Mix Modeling (MMM), das 1949 eingeführt wurde, fiel Anfang der 2000er Jahre in Ungnade, als die digitale Werbung startete. Die datengesteuerte Technik hatte seit langem dazu geholfen, zu verstehen, wie sich Variablen wie Werbung, Werbung und Preise auf den Umsatz auswirken.
Im Vergleich zu Tracking Cookies und Last-Touch-Attributionsmodellen schien MMM komplex und teuer zu sein.
Renaissance
Im Jahr 2025 hat MMM jedoch eine erneute Aufmerksamkeit erregt.
Meta und Google haben in den letzten Jahren kostenlose Open-Source-MMM-Tools veröffentlicht-Googles Meridian am 29. Januar 2025 und Robyn von Meta im Jahr 2023.
Warum interessiert MMM zwei der größten digitalen Werbeplattformen? Ich sehe drei wahrscheinliche Faktoren: Verfolgung von Cookies, KI und Cloud Computing.
Google hat letzten Monat Meridian, ein Open-Source-MMM-Modell, gestartet.
Ohne kekslose Werbung
Kontroversen um die Verfolgung von Keksen sind der erste Fahrer. Cookies sind eine grundlegende und nützliche Technologie. Ein Erstanbieter-Cookie in einem Browser hält Benutzer auf einer Website angemeldet und behält ihre Einstellungen bei.
Das Verfolgen von Cookies von Drittanbietern, die das Verhalten einer Person über Webeigenschaften hinweg katalogisieren, sind jedoch ein Privatsphäre pariah. Gesetze wie die allgemeine Datenschutzregulierung in Europa und das California Consumer Privacy Act beschränken solche Cookies, und viele Browserunternehmen haben sie vollständig unterstützt.
Das Potenzial von kekslosen Anzeigenzielen macht MMM für groß angelegte Werbetreibende und Plattformen attraktiv.
Werbeleistung. Cookies von Drittanbietern treiben trotz Datenschutzbedenken Anzeigenziele und damit die Leistung. MMM sollte den Werbetreibenden helfen, zu ermitteln, welche Marketingkanäle und Kreativen die besten Renditen erzielen. In Verbindung mit neuen Anzeigenzieltechniken wird MMM mit ziemlicher Sicherheit die Leistung verbessern.
Robyn von Meta hilft beispielsweise den Werbetreibenden bei der Analyse der Leistung von Kampagnen in Facebook, Instagram und anderen Kanälen. Es misst die Effektivität der Kanal und optimiert die Anzeigenausgaben basierend auf den Ergebnissen.
Die Ära des Targets ohne Keks fördert die Verwendung von MMM. Einige der zukunftsorientiertesten hochkarätigen Werbetreibenden erwägen alternative Zielmethoden und neue Werbemanien. Die Überwachung dieser Experimente erfordert eine komplizierte Multi-Touch-Zuordnung oder MMM.
Zum Beispiel wechselten Meridian MMM von Google über die Standard -Regressionsmodelle über eine Theorie mit dem Namen „Bayesian Causal Inference“ hinaus, die die Auswirkungen ungener Marketingaktionen wie ein Social -Media -Post erfasst.
Persönliche Privatsphäre ist ein weiterer Grund, warum MMM Google, Meta und viele Werbetreibende anspricht. Das Modell aggregiert Daten und vermeidet im Allgemeinen persönlich identifizierbare Informationen.
Empfohlen
Die Cookie -Umkehr von Google wirft Fragen auf
28. Juli 2024
Künstliche Intelligenz
KI macht MMM relativ schneller, adaptiver und leichter zu skalieren.
Verbesserte Geschwindigkeiten kommen an erster Stelle aus dem Training des Modells. Die grundlegenden, jetzt verfügbaren Modelle sind ein massiver Kopfstart im Vergleich zum Anfangen von vorne.
Zweitens hilft AI bei der Verarbeitung und Reinigung großer, komplexer Datensätze aus mehreren Quellen wie digitalen Anzeigen, TV, Druck sowie Online- und Geschäftsverkäufen. Die zugehörigen Algorithmen erkennen Saisonalität, Ausreißer und Datenanomalien, wobei die manuelle Arbeit reduziert wird, die Datenwissenschaftler jedoch die Modelle feststellen müssen.
Unabhängig davon passt die KI hinter Metas Robyn Modellvariablen dynamisch an und verbessert die Genauigkeit automatisch. Es ist also anpassungsfähiger und skalierbarer.
Cloud Computing
Vor zwanzig Jahren erzeugte der Aufstieg des webbasierten Marketings massive Datensätze und kräftige Verarbeitungslasten. Die Analyse dieser Informationen erforderte normalerweise eine maßgefertigte Infrastruktur und teure Data Warehouses
Diese Einschränkungen bestehen dank Cloud Computing -Fortschritte und Erschwinglichkeit nicht mehr. Anstatt 500.000 US -Dollar oder mehr für MMM -Software und Server auszugeben, kann ein Unternehmen Google Meridian in der Cloud für einen Bruchteil des Betrags ausführen, vielleicht nur 10.000 US -Dollar pro Jahr.
Eine genaue Modellierung erfordert jedoch einige Maßstäbe – Unternehmen, die mindestens 500.000 USD pro Jahr in Werbung investieren, profitieren wahrscheinlich am meisten. Das könnte sich jedoch ändern, wenn MMM als Service verfügbar wird.
