Marketinq miksi modelləşdirməsi, istifadəçi səviyyəsində izləmə əvəzinə aqreqasiya edilmiş tarixi məlumatlardan istifadə edərək axtarış, sosial şəbəkə, TV və ya e-poçt kimi hər bir kanalın satışa nə qədər töhfə verdiyini qiymətləndirən statistik metoddur. AI ilə dəstəklənən MMM, modelləşdirməni daha sürətli və ucuz etmək üçün Google-un Meridian və Meta-nın Robyn kimi açıq mənbəli alətlərindən, həmçinin avtomatlaşdırma və Bayes metodlarından istifadə edir. Onun xərci əsasən məlumatların hazırlanması və analitik vaxtıdır; ROI isə daha yaxşı büdcə bölgüsündən gəlir.
Cookie əsaslı atributların zəifləməsi ilə MMM yenidən populyarlıq qazanıb. Brauzer məhdudiyyətləri, razılıq tələbləri və tətbiq izləmə sorğuları platformaların müştəri səyahətinin daha kiçik bir hissəsini gördüyü mənasına gəlir. MMM, həftəlik cəmlər üzərində işləyərək: kanal üzrə xərclər, satışlar, qiymətlər, promosyonlar və kənar amillər vasitəsilə bunu yan keçir. O, klik sualından çox büdcə sualına cavab verir.
AI marketinq miksi modelləşdirməsinə nə əlavə edir?
Ənənəvi MMM yavaş və bahalı idi, mütəxəssis məsləhətçilər tərəfindən aylarla qurulurdu. İndiki alətlər dalğası bunu bir neçə yolla dəyişir.
- Açıq mənbəli çərçivələr: Google Meridian və Meta Robyn sınaqdan keçirilmiş model strukturlarını təmin edir, beləliklə komandalar sıfırdan başlamır.
- Bayes metodları: analitiklərə lift testlərinin nəticələri kimi əvvəlki bilikləri daxil etməyə və qeyri-müəyyənliyi diapazonlar kimi ifadə etməyə imkan verir.
- Avtomatlaşdırılmış tənzimləmə: Məsələn, Robyn bir çox model variantını axtarır və uyğunluq ilə məntiqlilik arasında tarazlıq yaradan namizədləri təqdim edir.
- Daha sürətli yeniləmələr: məlumat boru kəmərləri qurulduqdan sonra modellər illik əvəzinə aylıq və ya rüblük olaraq yenidən işlədilə bilər.
- Dil modelləri: analitiklərə kod yazmağa, fərziyyələri sənədləşdirməyə və nəticələri qeyri-mütəxəssislərə izah etməyə kömək edir.
AI mühakimə ehtiyacını aradan qaldırmır. Modellər tarixi məlumatlara yaxşı uyğunlaşa bilər və yenə də mənfi təsir göstərən kanal kimi məntiqsiz cavablar verə bilər. Analitik nəticələri biznes bilikləri və təcrübələrlə yoxlamalıdır.
MMM layihəsi neçəyə başa gəlir?
Proqram təminatı pulsuz ola bilər, lakin layihə pulsuz deyil. Xərclər dörd qrupa bölünür.
- Məlumatların hazırlanması: iki və ya daha çox illik həftəlik xərclər, təəssüratlar, satışlar, qiymətlər, promosyonlar və tətillər və ya hava şəraiti kimi xarici amillərin toplanması.
- Analitik vaxtı: modellərin qurulması, yoxlanılması və şərh edilməsi, adətən ən böyük xərcdir.
- İnfrastruktur: model işləri üçün bulud hesablama, orta ölçülü reklamçılar üçün mülayimdir.
- Kalibrləmə təcrübələri: modelin kanal qiymətləndirmələrini yoxlayan geo testlər və ya konversiya lifti tədqiqatları.
Məlumatların hazırlanması daim qiymətləndirilmir. Xərc məlumatları müxtəlif tarix formatları və valyutaları olan bir çox platformada yerləşir. Oflayn satışlar ayrıca sistemdən gələ bilər. Tipik bir ilk layihədə, təmiz məlumatların toplanması modelləşdirmədən daha çox vaxt aparır.
Nə qədər məlumat və xərc lazımdır?
MMM-in öyrənmək üçün variasiyaya ehtiyacı var. Əgər bir kanalın xərci iki il ərzində sabit qalıbsa, model onun nəyə töhfə verdiyini deyə bilməz. Həmçinin kifayət qədər tarixçəyə, adətən iki-üç illik həftəlik məlumata ehtiyacı var ki, mövsümilik və tendensiyalar kanal təsirlərindən ayrıla bilsin.
Az kanallı çox kiçik reklamçılar tez-tez qeyri-sabit nəticələr alırlar. Əgər büdcənizin çox hissəsi sabit xərclə bir və ya iki kanaldadırsa, strukturlaşdırılmış geo testlər kimi daha sadə metodlar suallarınıza daha etibarlı cavab verə bilər. MMM, platforma atributlarının böyük boşluqlar buraxdığı, bəzi oflayn media daxil olmaqla bir neçə kanalda xərcləyən reklamçılar üçün özünü doğruldur.
MMM-in öz ROI-ni necə ölçmək olar?
MMM layihəsinin gəliri, büdcənin yenidən bölüşdürülməsindən əldə edilən marketinq nəticələrinin yaxşılaşması, layihənin xərcinin çıxılmasıdır. Bunu ölçmək üçün qərar və test lazımdır.
Yenidən bölgünü müəyyən etmək üçün modeldən istifadə edin, məsələn, büdcənin bir hissəsini doymuş kanaldan böyümək üçün yeri olan kanala köçürün. Bunu nəzarətli şəkildə, ideal olaraq əvvəlcə bəzi regionlarda tətbiq edin və nəticələri köhnə miksi saxlayan regionlarla müqayisə edin. Əgər test regionlarında xərc vahidinə düşən satışlar yaxşılaşırsa, model öz xərcini çıxarıb.
Hər hansı bir modelə veriləcək suallar
- Kanal təsirləri komandanın bildikləri ilə uyğun gəlirmi?
- Onlar lift testləri və ya geo təcrübələrlə geniş şəkildə razılaşırlarmı?
- Qeyri-müəyyənlik diapazonları nə qədər genişdir və qərarlar onların daxilində qalıbmı?
- Model yaxın keçmişdəki dövrü kifayət qədər yaxşı proqnozlaşdırırmı?
- Hər kanal üçün azalan gəlir əyriləri məntiqlidirmi?
Əsas məhdudiyyətlər nələrdir?
MMM aqreqasiya səviyyəsində işləyir. O, sizə hansı reklam yaradıcılığının və ya açar sözün ən yaxşı işlədiyini deyil, bir kanalın ümumilikdə nə qədər töhfə verdiyini deyir. Bu qərarlar üçün platforma məlumatlarından və təcrübələrdən istifadə edin.
O, həm də keçmişə baxır. Tarixçəsi olmayan yeni bir kanal, müxtəlif xərclərlə kifayət qədər işləyənə qədər modelləşdirilə bilməz. Və kampaniyalar zamanı həmişə birlikdə artan axtarış və sosial xərclər kimi korrelyasiya olunmuş kanalları planlaşdırılmış variasiya olmadan ayırmaq çətindir.
Büdcə necə mərhələləndirilməlidir?
İlk ili üç mərhələdə planlaşdırın. İlk rüb əsasən məlumat işinə və ilk modelə gedir. İkinci rüb modelin əsas tövsiyəsinin testini həyata keçirir. İkinci yarım il modeli yeni məlumatlar və test nəticələri ilə yeniləyir, bu da adətən qeyri-müəyyənlik diapazonlarını daraldır.
İlk layihənin əhatə dairəsini dar saxlayın: bir bazar, bir satış ölçüsü, əsas ödənişli kanallar. Hər markanı, regionu və məhsul xəttini birdən əlavə etmək məlumat işini çoxaldır və nəticələri oxumağı çətinləşdirir. Yalnız ilk model sınaqdan keçmiş bir qərara rəhbərlik etdikdən sonra genişləndirin.
Alien Road AI ilə dəstəklənən marketinq miksi modelləşdirməsini necə tətbiq edir
Tipik bir əməkdaşlıqda, kəşfiyyat MMM-in ümumiyyətlə düzgün alət olub-olmadığını yoxlayır: müştərinin neçə kanaldan istifadə etdiyi, xərclərin zamanla nə qədər dəyişdiyi və nə qədər tarixçənin mövcud olduğu. Uyğun olmadıqda, əvəzinə geo testlər və ya platforma lift tədqiqatları tövsiyə edirik.
Uyğun olduqda, quraşdırma reklam platformalarından, analitikadan və satış sistemlərindən həftəlik cədvəllərə məlumat boru kəmərinin qurulması, sonra isə mövcud təcrübələrlə məlumatlandırılmış prioritetlərlə Meridian və ya Robyn-in işlədilməsi deməkdir. Nəticələrin biznes məntiqinə uyğun olduğundan əmin olmaq üçün modelləri müştərinin marketinq və maliyyə komandaları ilə nəzərdən keçiririk.
Hesabat nəticələri qeyri-müəyyənlik diapazonları və onu yoxlamaq üçün test planı ilə büdcə tövsiyəsinə çevirir. Test keçirildikdən sonra, nəticəni nəzarət regionlarına qarşı bildiririk və modeli yeni məlumatlarla yeniləyirik.
Bu həftə haradan başlamaq lazımdır
Son iki il üçün kanal üzrə həftəlik xərcləri həftəlik satışlarla birlikdə ixrac edin. Onları cədvəldə yan-yana qoyun və qrafikləşdirin. Xərcləri heç vaxt dəyişməyən kanalları və stok çatışmazlığı və ya böyük promosyonlar kimi qeyri-adi hadisələrin olduğu dövrləri axtarın.
Həmin qrafik məlumatlarınızın MMM üçün kifayət qədər variasiyaya malik olub-olmadığını göstərəcək. Əgər varsa, ilk modeli əhatə etməyə hazırsınız. Yoxdursa, qarşıdakı rüblərdə qəsdən xərc dəyişiklikləri planlaşdırın ki, sonradan qurulan modelin öyrənəcəyi bir şey olsun.
Oxumağa davam edin: Reklam · AI Reklam Optimizasiyası