Маркетинговое моделирование микса, или MMM, — это статистический метод, который оценивает, сколько каждый маркетинговый канал вносит в продажи, используя агрегированные еженедельные или ежедневные данные вместо отслеживания пользователей. Инструменты с поддержкой AI, включая проекты с открытым исходным кодом, такие как Meridian от Google и Robyn от Meta, упрощают создание моделей. Малый бизнес может начать, если у него есть около двух лет последовательных данных о расходах и продажах.
Почему MMM снова в моде?
Атрибуция на основе кликов стала менее надежной. Функции конфиденциальности браузеров, требования к согласию и изменения в отслеживании приложений означают, что многие конверсии невозможно связать с кликом по объявлению. Отчеты платформ также склонны приписывать заслуги себе. MMM обходит это, рассматривая связь между расходами и результатами во времени, без личных данных.
Методу десятилетия, но раньше он требовал дорогих консультантов. Библиотеки с открытым исходным кодом, более дешевые вычисления и AI-помощники по кодированию снизили барьер. Маркетолог, знакомый с электронными таблицами и немного с Python, или работающий с аналитиком, теперь может запустить базовую модель.
Реалистичен ли MMM для малого бизнеса?
Это зависит от данных, а не от размера компании. MMM нуждается в вариативности: недели, когда вы тратили больше на Meta и меньше на Google, пауза в одном канале, сезонный всплеск. Если вы год тратили одну и ту же сумму на одни и те же два канала каждую неделю, модели мало чему можно научиться.
- Общее правило — не менее 18–24 месяцев еженедельных данных
- Расходы по каналам в неделю с каждой рекламной платформы
- Продажи или лиды в неделю из вашего магазина или CRM, а не с рекламных платформ
- Известные события: акции, изменения цен, отсутствие товаров на складе, праздники
- В идеале — некоторая естественная вариативность расходов между каналами
Для бизнеса, тратящего небольшую сумму на два канала, может подойти более простой подход: запланированные тесты включения-выключения или географические тесты по одному каналу за раз. MMM становится полезным, когда каналов несколько и вопрос о том, куда перераспределить бюджет, стоит остро.
Какие инструменты можно использовать?
Meridian — это байесовская MMM-платформа с открытым исходным кодом от Google, написанная на Python. Robyn — это пакет с открытым исходным кодом от Meta, созданный на R с доступным интерфейсом Python. Оба бесплатны и задокументированы на GitHub. Существуют также коммерческие SaaS-инструменты, которые упаковывают моделирование в панель управления, ориентированные на бренды электронной коммерции.
Поддержка AI находится в нескольких местах. Помощники по кодированию, такие как ChatGPT, Claude или Gemini, помогают писать скрипты для очистки данных и моделирования. Сами библиотеки используют автоматизированную оптимизацию, чтобы попробовать множество настроек модели. А языковые модели могут помочь объяснить результаты простыми словами, хотя человек должен проверить объяснение на соответствие цифрам.
Как построить первую модель шаг за шагом?
- Шаг 1: Экспортируйте еженедельные расходы по каналам из Google Ads, Meta Ads Manager и любых других платных источников
- Шаг 2: Экспортируйте еженедельную выручку или лиды из Shopify, WooCommerce или вашей CRM
- Шаг 3: Добавьте столбцы для акций, праздников и изменений цен
- Шаг 4: Проверьте данные на наличие пробелов и очевидных ошибок, например, неделю с нулевыми продажами из-за проблемы с отслеживанием
- Шаг 5: Запустите базовую модель с настройками по умолчанию и примером документации библиотеки
- Шаг 6: Просмотрите оценки вклада каналов и их диапазоны неопределенности
- Шаг 7: Сравните результаты с тем, что вы уже знаете, например, с эффектом прошлой паузы
- Шаг 8: Запланируйте один тест, чтобы проверить самое важное утверждение модели
Каких ошибок следует избегать новичкам?
Первая ошибка — воспринимать результат как истину. MMM дает оценки с диапазонами, и эти диапазоны могут быть широкими для небольших наборов данных. Если модель говорит, что канал возвращает в три раза больше своих затрат с диапазоном от менее одного до шести, честный вывод — ‘мы пока не знаем’.
Вторая ошибка — игнорировать вещи, которые не являются маркетингом. Снижение цен, новый конкурент или вирусный пост в соцсетях могут стимулировать продажи. Если их нет в данных, модель припишет их тому каналу, на который на той неделе случайно потратили больше.
- Не используйте количество конверсий с рекламных платформ в качестве результата
- Не включайте каналы почти без вариативности расходов и не ждите четких ответов
- Не делайте больших сдвигов бюджета на основе одного запуска модели
- Записывайте, что менялось в бизнесе каждую неделю
Как превратить результаты в решения?
Используйте модель для формирования гипотезы, а затем протестируйте ее. Если MMM предполагает, что YouTube дает больше, чем показывает атрибуция по кликам, увеличьте расходы на YouTube контролируемым образом на определенный период или проведите географический тест и посмотрите, отреагируют ли общие продажи. Meta и Google предлагают инструменты исследования лифта для некоторых рекламодателей, которые могут помочь подтвердить выводы.
Перезапускайте модель каждый квартал по мере поступления новых данных. Со временем сочетание оценок модели и результатов экспериментов дает гораздо более надежную картину, чем что-то одно.
Как Alien Road применяет маркетинговое моделирование микса с поддержкой AI
В типичном проекте для небольшого рекламодателя мы начинаем с проверки готовности данных: сколько недель чистых данных о расходах и продажах существует, какие каналы достаточно варьируются для моделирования и какие бизнес-события нужно записывать. Если данных слишком мало, мы сначала рекомендуем структурированные тесты и настраиваем сбор данных так, чтобы MMM стал возможен позже.
Когда данные готовы, наши аналитики строят модель с помощью платформы с открытым исходным кодом, документируют каждое предположение и представляют результаты с диапазонами неопределенности, а не с одиночными числами. Рекомендации всегда включают тест на валидацию. Квартальные отчеты обновляют модель, сравнивают прогнозируемые и фактические результаты и корректируют бюджетный план.
Держите первую модель намеренно небольшой. Три или четыре канала, несколько контрольных переменных и четкая документация научат вас большему, чем амбициозная модель, которую никто в команде не может объяснить финансовому отделу.
С чего начать на этой неделе
Создайте электронную таблицу с одной строкой в неделю за последние два года. Добавьте столбцы для расходов по каналам и для выручки из вашего собственного магазина или CRM. Заполните то, что можете, и отметьте пробелы. Если у вас есть чистые данные за большинство недель и как минимум два канала, которые варьировались, вы готовы к первой модели.
Читайте дальше: Реклама · AI-оптимизация рекламы