Die Bedeutung der Marketing-Mix-Modellierung im neuen Zeitalter der digitalen Anzeigenmessung
Das Marketing-Mix-Modell (MMMs) feiert ein Comeback in der Medienmessung. Einer der Gründe für das Wiederaufleben von MMM ist auf grundlegende Veränderungen in der digitalen Werbung zurückzuführen. Beispielsweise haben Apples neue Beschränkungen, was Werbetreibende nachverfolgen können, die deterministische Messung digitaler Werbeeffekte auf Benutzerebene schwieriger gemacht. Da die Daten auf Benutzerebene versiegen, riskieren Unternehmen, die sich nicht anpassen, im Dunkeln zu tappen. Marketing-Mix-Modelle haben in dieser neuen Landschaft einen besonderen Vorteil, da sie weitgehend von aggregierten Daten abhängen und keine Daten auf Benutzerebene erfordern.
Source: Mediaocean. (June 1, 2022). Leading marketing technology innovations believed to be most impactful for advertising by marketers worldwide as of April 2022 [Graph]. In Statista.
Ein weiterer Faktor, der das Wiederaufleben von MMM vorantreibt, ist die wachsende Betonung von Marketingverantwortung und ROI. Angesichts steigender Zinssätze und einer anhaltend hohen Inflation stehen Unternehmen zunehmend unter Druck, die Wirkung ihrer Marketingausgaben nachzuweisen. MMM kann einen quantitativen Rahmen zur Messung der Marketingeffektivität und zur Identifizierung von Optimierungsbereichen bieten.
Wie lässt sich die Marketing-Mix-Modellierung in dieser neuen Landschaft der digitalen Anzeigenmessung effektiv durchführen?
Marketing-Mix-Modelle sind nicht perfekt. Unternehmen müssen MMMs durch Experimente kalibrieren. Dies wird dazu beitragen, ihren digitalen Marketingansatz zu schärfen und potenzielle Ungenauigkeiten im Modell zu beseitigen. Daher ist es nicht so einfach, MMM zu einem Bestandteil des Marketinganalyse-Toolkits eines Unternehmens zu machen, wie das Licht anzuschalten. Ohne sorgfältige Anleitung können sie die Marketingentscheidungen eines Unternehmens falsch informieren.
Source: PR Newswire. (April 26, 2022). Leading methods used to measure advertising campaign outcomes according to consumer packaged goods (CPG) marketers in the United States as of the 4th quarter 2021 [Graph]. In Statista.
Die heutigen MMM-Praktiker verwenden zwei weitere Werkzeuge, um Modelle zu kalibrieren: Inkrementalitätsexperimente und Attribution. Market-Mix-Modelle werden verwendet, um zu verstehen, was den Verkauf wirklich antreibt, einschließlich anderer Faktoren außerhalb der Medien. MMM wird verwendet, um Fragen wie den Beitrag des Marketings zum Geschäftserfolg, den ROI der gesamten Marketingbemühungen und die Optimierung des Marketing-Mix zu beantworten. Inzwischen sind Inkrementalitätsexperimente statistische Ad-hoc-Tests, um die kausale Wirkung von Medien zu identifizieren. Wie sich daraus schließen lässt, versucht dieses Framework, eine Erklärung für die kausalen Auswirkungen von Medieninvestitionen auf den Umsatz zu liefern und zu prüfen, ob eine Marketingkampagne wirklich zu inkrementellen Conversions führt. Schließlich werden Attributionsmodelle für eher kurzfristige Geschäfts- und Angebotsentscheidungen verwendet. Der Fokus liegt eher auf dem ROI digitaler Marketingaktivitäten und der Platzierung eines Geschäftswerts an jedem Kundenkontaktpunkt.
Bildunterschrift: Attribution: Die Zuweisung von Punkten oder Gutschriften für Conversions basierend darauf, wie Verbraucher mit verschiedenen Anzeigen interagieren und letztendlich zu Kunden werden.
Bildunterschrift: Inkrementalität: Die Veränderung, die durch die Anzeige einer Anzeige verursacht wird, wird durch die Durchführung randomisierter kontrollierter Tests gemessen.
Wie kann Indaru Ihnen helfen, die Vorteile von MMM zu nutzen?
Indaru bietet Medienberatungsdienste, Medienaudits und andere Datenanalyseprojekte wie Dashboarding an. Alle diese Angebote sind darauf ausgelegt, die Art und Weise, wie Marketing-Mix-Modellierung und Data Science Ihrem Unternehmen einen Wettbewerbsvorteil verschaffen können, weiter zu verbessern.
Möchten Sie mehr über Indaru erfahren? Überprüfen Sie unsere verlinkte Seite oder kontaktieren Sie uns! Lesen Sie auch unseren anderen Artikel über Marketing Mix Model
Folgen Sie uns auf LinkedIn.
Image by rawpixel.com on Freepik
