MMM 中的饱和曲线：理解收益递减等概念
在企业寻求优化营销工作的过程中，了解营销支出与业绩之间的关系至关重要。一种方法是在营销组合建模中使用饱和曲线，分析不同营销组合变量对销售额和其他关键绩效指标的影响。
1.什么是饱和曲线？
饱和曲线是投入与产出或反应之间关系的图形表示，在高水平的投入下，产出会达到一个高点或最高水平。在市场营销中，饱和曲线通常用于分析市场营销支出与销售额或品牌知名度等业绩之间的关系。
饱和度曲线可用于确定能使投资回报率（ROI）最大化的最佳营销支出水平。饱和度曲线还可以帮助营销人员了解在什么情况下额外的营销支出不太可能带来显著的业绩增长。
2.媒体混合建模中的饱和度曲线
营销组合建模是一种统计方法，用于确定不同营销组合变量对销售和其他关键绩效指标的影响。饱和度曲线是媒体组合模型中的一项重要分析，有助于确定每个变量的最佳投资水平，以达到预期效果。
在媒体组合建模中，饱和度曲线用于分析不同渠道（如电视、户外广告或数字媒体）对销售的影响。通过分析饱和曲线，营销人员可以确定每个变量的最佳投资水平，以实现预期效果。
例如，考虑电视广告支出对销售额的影响。随着电视广告支出的增加，销售额很可能也会增加，但到了一定程度，销售额的增量就会减少，销售额就会趋于平稳。饱和曲线可以帮助确定这一点，使营销人员能够通过投资到收益递减点来优化广告支出。
广告支出
饱和曲线在营销组合建模中的常见用途是分析广告支出与销售额之间的关系。饱和度曲线可以帮助确定在什么情况下额外的广告支出将不再带来显著的销售增量。
例如，假设一家公司正在分析广播广告支出对销售额的影响。他们可能会先投入少量广告费用，然后衡量销售额的增长情况。随着公司增加广播广告支出，他们可以在图表上绘制销售额的增长情况，从而绘制出饱和曲线。
随着广播支出的不断增加，他们可能会发现销售额的递增开始趋于平缓，并最终达到一个高点。这表明他们已经达到了收益递减点，在这一点上，额外的广播广告支出不太可能带来显著的销售增量。
通过分析广播广告支出的饱和曲线，公司可以确定使投资回报最大化的最佳广播投资水平。他们还可以确定在哪个点上进一步投资广播广告不会带来显著的销售增益，从而优化营销预算，避免广播广告支出过高。
3.如何计算饱和度曲线
1.Hill 功能：
希尔函数通常用于模拟西格玛饱和曲线。它的参数包括最大值 (`max_value`)、反应在最小值和最大值中间的浓度 (`half_point`)，以及决定曲线陡度的斜率 (`slope`)。
使用该公式的好处是可以通过改变希尔系数来灵活调整饱和曲线的形状。当营销变量与绩效指标之间的关系不明确时，这样做会很有好处。不过，与其他公式相比，它可能需要估算更多的参数，因此更加复杂，计算量也可能更大。
最后，当需要探索饱和曲线的不同形状，以及怀疑营销变量与绩效指标之间存在更复杂的关系时，该函数最为合适。
“`python
import numpy as np
def hill_function(x, max_value, half_point, slope):
return max_value * (x**slope) / (half_point**slope + x**slope)
“`
2.指数饱和：
指数饱和曲线可使用指数函数建模。该函数需要输入 (`x`)、最大值 (`max_value`)和饱和率 (`rate`)。
使用该函数的优点是相对简单，计算效率高。它假定随着营销支出的增加，绩效的增长率保持不变，直到达到饱和点。然而，它假设的饱和率是固定的，这可能无法准确捕捉现实世界中饱和率可能变化的动态。
当预期饱和率保持相对恒定，并希望采用更简单的方法时，这种函数最为合适。
“`python
import numpy as np
def exponential_saturation(x, max_value, rate):
return max_value * (1 – np.exp(-rate * x))
“`
3.Logistic 函数
对数函数是另一个常用于模拟饱和曲线的函数。它有最大值 (`max_value`)、增长率 (`rate`)、中点 (`midpoint`)等参数。
使用该函数的一个优点是它是一个广泛使用的公式，可以准确地模拟饱和曲线。它允许调整参数来控制曲线的形状，如陡度和中点。不过，它可能比指数饱和度公式更复杂，可能需要额外的参数估计。
使用对数函数的最佳情况是，预期饱和曲线平滑且定义明确，分析的复杂程度适中。
“`python
import numpy as np
def logistic_function(x, max_value, rate, midpoint):
return max_value / (1 + np.exp(-rate * (x – midpoint)))
“`
这些只是可用于模拟饱和曲线的函数的几个例子。函数的选择取决于数据的具体特征和您试图捕捉的饱和效应的性质。您可以尝试使用不同的函数，并调整参数以适应您的数据。
4.您想优化跨渠道的媒体投资吗？
一种方法是在营销组合模型中使用饱和曲线，分析不同营销组合变量对销售额和其他关键绩效指标的影响。
联系我们或在 Linkedin 上关注我们！
