Klickbasierte Attribution verliert an Bedeutung und wird dies auch weiterhin tun. Third-Party-Cookies sind weitgehend verschwunden, Mobile-App-Tracking erfordert eine Zustimmung, die die meisten Nutzer ablehnen, und ein wachsender Anteil der Conversions kommt ohne nutzbaren Pfad an. Die Reaktion der meisten Teams war, weiterhin dieselben Last-Click-Berichte zu lesen und stillschweigend zu akzeptieren, dass die Zahlen nicht mehr zum Umsatz passen. Marketing Mix Modelling mit AI ist die praktische Alternative: Anstatt Individuen zu verfolgen, modelliert es aggregierte Ausgaben gegen aggregierte Ergebnisse und schätzt, was jeder Kanal beigetragen hat.
Der Ansatz ist alt. Konsumgüterunternehmen führten bereits Jahrzehnte vor der Erfindung von Tracking-Pixeln Regressionen auf Medienausgaben und Verkäufe durch. Neu ist, dass die Modellierung nun für mittelgroße Werbetreibende erreichbar ist. Open-Source-Bibliotheken handhaben die statistische Maschinerie, Cloud-Computing macht Bayes’sche Schätzungen kostengünstig, und die Modellebene hilft bei den Teilen, die früher einen Spezialisten erforderten: Spezifizierung von Priors, Überprüfung der Anpassung und Übersetzung der Ausgabe in eine Budgetentscheidung.
Was das Modell tatsächlich tut
Im Kern passen Sie wöchentliche oder tägliche Ergebnisdaten an die Ausgaben pro Kanal an, mit zwei Anpassungen, die wichtiger sind als die Regression selbst. Die erste ist Adstock, das die Tatsache modelliert, dass Werbung auch nach ihrem Stopp weiterwirkt: Ein TV-Spot oder eine Display-Kampagne hat einen Effekt, der über Wochen abklingt, anstatt um Mitternacht zu enden. Die zweite ist Sättigung, die abnehmende Erträge modelliert, da die zehntausendsten Euro in einem Kanal nicht das kaufen, was die ersten tausend gekauft haben.
Fügen Sie Kontrollen für alles andere hinzu, das den Umsatz bewegt: Preisänderungen, Werbeaktionen, Wettbewerberaktivitäten, falls beobachtbar, Saisonalität, Feiertage, Lieferengpässe und jedes große einmalige Ereignis. Das Auslassen einer Kontrolle erzeugt keine Fehlermeldung. Es erzeugt einen selbstbewussten, falschen Koeffizienten, der normalerweise dem Kanal zugewiesen wird, der während des Ereignisses gerade lief.
Was Marketing Mix Modelling mit AI beantworten kann und was nicht
Seien Sie sich der Auflösung bewusst. Ein Mix-Modell beantwortet Fragen auf Kanal- und manchmal Kampagnenebene über Wochen hinweg. Es beantwortet keine Fragen auf Keyword- oder Creative-Ebene und sagt Ihnen nie, welcher einzelne Kunde von wo kam. Jeder, der Ihnen ein Mix-Modell verkauft, das eine Attribution auf User-Ebene erzeugt, verkauft Ihnen etwas anderes.
Die Fragen, die es gut beantwortet, sind die teuren. Ist unser Markensuchbudget inkrementell oder ernten wir Nachfrage, die wir bereits geschaffen haben? Was passiert mit dem Gesamtumsatz, wenn wir Display um dreißig Prozent kürzen? An welchem Punkt hört unser bester Kanal auf zu skalieren? Das sind die Entscheidungen, die Millionen wert sind, und genau das sind die Entscheidungen, die Last-Click-Reporting nicht berühren kann, da Last-Click den letzten Touchpoint gutschreibt und strukturell blind für die Kanäle ist, die die Nachfrage geschaffen haben.
Die Daten, die Sie vor dem Start benötigen
Die Anforderungen sind weniger anspruchsvoll als angenommen, aber sie sind in einem Punkt streng: Historie. Sie benötigen genügend Zeiträume, um die Parameter anzupassen, was in der Praxis mindestens zwei Jahre wöchentlicher Daten bedeutet, idealerweise mit Variation in diesen Ausgaben. Wenn jeder Kanal zwei Jahre lang mit einem flachen Budget gelaufen ist, hat das Modell nichts zu lernen. Gezielte Variation ist ein Input, kein Ärgernis.
- Wöchentliche Ausgaben pro Kanal, brutto, einschließlich Produktions- und Agenturkosten, wenn Sie eine echte Effizienzmessung wünschen.
- Wöchentlicher Umsatz oder eine andere einzelne Ergebniskennzahl, auf die sich das Unternehmen geeinigt hat.
- Preis- und Promotionshistorie, in der gleichen wöchentlichen Granularität.
- Bekannte externe Ereignisse: Markteinführungen, Ausfälle, PR-Spitzen, Wettbewerberkampagnen.
- Impressionen oder Reichweite pro Kanal, wo verfügbar, was normalerweise besser passt als Ausgaben allein.
Die meiste Projektzeit fließt in die Zusammenstellung dieser Tabelle. Die Modellierung selbst ist, sobald die Daten sauber sind, eine Sache von Tagen. Teams, die das Gegenteil budgetieren, sind immer überrascht.
Validierung gegen ein Experiment
Ein Mix-Modell ist eine Reihe von Schätzungen mit Unsicherheit, und es kann selbstbewusst falsch sein. Die einzige zuverlässige Überprüfung ist ein echtes Experiment: Schalten Sie einen Kanal in einer Reihe von Regionen ab, lassen Sie ihn anderswo an und vergleichen Sie. Wenn das Modell einen Umsatzrückgang von zwölf Prozent vorhersagte und das Holdout zwei Prozent zeigt, muss das Modell überarbeitet werden. Führen Sie mindestens ein Geo-Holdout pro Jahr durch und verwenden Sie es zur Kalibrierung, nicht nur zur Bestätigung.
Dies ist auch die ehrliche Antwort auf die Genauigkeitsfrage. Mix-Modelle und Klick-Attribution widersprechen sich oft erheblich, und keines ist die absolute Wahrheit. Inkrementalitätsexperimente sind das Nächste, was der Wahrheit nahekommt, und beide anderen Methoden sollten daran gemessen werden.
Verwenden Sie die Ausgabe als Richtung, nicht als Urteil
Der häufigste Missbrauch besteht darin, die ROAS-Zahlen des Modells als präzise Zahlen zu behandeln und den Medienplan um die Spitze der Tabelle herum neu aufzubauen. Betrachten Sie die glaubwürdigen Intervalle. Wenn sich zwei Kanäle stark überschneiden, sagt Ihnen das Modell, dass es sie nicht trennen kann, und das Verschieben von Budgets zwischen ihnen auf der Grundlage einer Punktschätzung ist Rauschjagd.
Wo es seine Kosten verdient, ist richtungsweisend und wiederholt. Aktualisieren Sie das Modell vierteljährlich, verfolgen Sie, wie sich die Antwortkurven bewegen, und verwenden Sie es, um die breite Allokation zwischen den Kanälen festzulegen, während Sie Klickdaten und Experimente für die Entscheidungen innerhalb jedes Kanals behalten. Marketing Mix Modelling mit AI ersetzt nicht Ihre bestehende Berichterstattung. Es beantwortet die Frage, die Ihre bestehende Berichterstattung nie beantworten konnte, nämlich was Werbung insgesamt wert ist, wenn niemand verfolgt werden kann.
Weiterlesen: KI-Werbeoptimierung
Passende Leistung: KI-Werbeoptimierung