MMM آنقدرها هم که بازاریابان فکر می کنند ترسناک نیست – اما باید آن را درست انجام دهید

بازاریابان تصورات نادرست زیادی در مورد مدل سازی آمیخته بازاریابی (MMM) دارند.

اما اجرای آن بسیار ارزان‌تر و آسان‌تر از گذشته است.

برند Deli Land O’Frost سال‌ها در MMM سرمایه‌گذاری کرده است و به دنبال بینشی در مورد اینکه چگونه روندهای فرهنگی مختلف، استراتژی‌های کمپین و کانال‌ها بر KPI آن تأثیر می‌گذارند، بوده است.

Saverio Spontella، مدیر اجرایی Land O’Frost به AdExchanger گفت: از نظر تاریخی، یافتن “نقاط داده های جامد” برای اثبات اینکه کانال های خاصی مانند بازاریابی اجتماعی پولی و اینفلوئنسر، فروش را افزایش می دهند، چالش برانگیز بوده است. بازاریابان معمولاً معیارهایی مانند برداشت‌ها، CPM و تعامل را دنبال می‌کنند، زیرا اندازه‌گیری آن‌ها نسبت به فروش و بازگشت سرمایه آسان‌تر است.

در اواخر سال 2022، Land O’Frost با شرکت مشاوره تحقیقاتی و تحلیلی Big Chalk همکاری کرد تا به بهبود رویکرد خود در MMM کمک کند و بفهمد که چه فرصت‌هایی ممکن است با عدم اندازه‌گیری موثر ROI نادیده گرفته شده باشد – یا حتی مانع از آن شود.

گوشت او

به گفته Spontella، قبل از شراکت با Big Chalk، Land O’Frost با یکی دیگر از فروشنده‌های MMM کار می‌کرد، اما این تغییر را انجام داد زیرا این برند می‌خواست رویکردی چابک‌تر و کارآمدتر برای اندازه‌گیری داشته باشد.

برای مثال، تبلیغ‌کنندگان باید بدانند که کدام بخش از آمیخته بازاریابی آن‌ها منجر به برداشت‌ها و ارتباط آن با فروش شده است. آن‌ها به داده‌های مشخصی نیاز دارند که بتوانند از آن برای توجیه هزینه‌های خود برای همکارانشان استفاده کنند – مانند مدیر مالی من، اسپونتلا.

تعیین اینکه دقیقاً چگونه هر بخش از استراتژی یک بازاریاب بر فروش و برداشت تأثیر می گذارد، جایی است که فروشندگان MMM وارد بازی می شوند. ریک میلر، شریک و رئیس اثربخشی بازاریابی در Big Chalk می گوید: «وقتی از بیرون به MMM نگاه می کنید، آنقدرها که احتمالاً به نظر می رسد پیچیده نیست.

میلر گفت: به عبارت ساده، مدل‌های MMM تخمین می‌زنند که «زمانی که یک تاکتیک خاص در یک زمان خاص اعمال می‌شود، چه مقدار محصول فروخته می‌شود».

اما با وجود اینکه استفاده از MMM در حال آسان‌تر شدن است، بسیار ساده نیست و بسیاری از معامله‌گران هنوز هنگام اعمال آن اشتباه می‌کنند. Big Chalk در کار با برندها متوجه چندین مشکل رایج شد که در گزارشی که دوشنبه منتشر شد آنها را برجسته کرد.

میلر می گوید یکی از رایج ترین اشتباهاتی که بازاریابان مرتکب می شوند این است که “درک نکردن فرکانس هایی که باید با آن بازسازی کنید.”

نرم افزار بسیار جدیدتر قابلیت های 24/7 و توانایی آن را برای به روز رسانی روزانه یا حتی ساعتی نشان می دهد. اما میلر نسبت به تازه کردن مدل ماشه هشدار می دهد.

به گفته بیگ گچ، نه عادات مصرف‌کننده و نه استراتژی‌های رسانه‌ای روزانه یا هفتگی تغییر نمی‌کنند، بنابراین بازسازی با این نرخ در واقع «معارض» است.

آغاز یک چیز جدید

در عوض، Big Chalk استفاده از مدل‌های رگرسیون سری‌های زمانی را پیشنهاد می‌کند – یک اصطلاح فانتزی برای پیش‌بینی رفتار آینده بر اساس داده‌های تاریخی – به مناطق خاص بازار طی دو تا سه سال تقسیم می‌شوند. این رویکرد همه چیزهایی را که بر الگوهای فروش تأثیر می‌گذارد، از آب و هوا و زمان روز گرفته تا برندهای رقیب که تبلیغات را همزمان انجام می‌دهند، در نظر می‌گیرد.

Big Chalk تجزیه و تحلیل می کند تا نشان دهد که هر تاکتیک بازاریابی به همراه ROAS آن چقدر حجم فروش را هدایت می کند.

یکی از بزرگترین دستاوردهای Land O’Frost از نتایج MMM خود این است که دلارهای خود را به تبلیغات تلویزیونی هدایت کند. Spontella گفت که فقط چند سال پیش، Land O’Frost اساساً روی تلویزیون خطی متمرکز بود و فقط روی تلویزیون متصل “شرط بندی” می کرد.

بر اساس یافته‌های بیگ گچ، لند اوفراست مشاهده کرد که اگرچه خطی «مقدار معقولی حجم می‌دهد»، اما بسیار گران است – و یک تاکتیک بازاریابی فقط به اندازه بازدهی مفید است.

میلر گفت، خطی بودن یک «تاکتیک بد» نیست، فقط «نقطه قیمت مناسبی نبود».

خیلی چیز خوبیه

اما در حالی که برخی از توصیه‌های MMM بصری هستند، مانند حرکت از خطی به CTV، سایر بهترین روش‌ها کمتر آشکار هستند.

به عنوان مثال، مدل‌های آمیخته بازاریابی معمولا حداقل داده‌های دو ساله را گزارش می‌کنند، بنابراین اگر یک مدل را بعد از یک ماه به‌روزرسانی کنید، در مقایسه با مدل قبلی، تنها چهار هفته داده جدید است.

یکی دیگر از مشکلات رایج این است که بسیاری از ارائه دهندگان آمیخته بازاریابی به داده های جغرافیایی که فاقد جزئیات کافی هستند، تکیه می کنند و توانایی مدل را برای ارائه بینش مفید محدود می کند. میلر گفت، تفکیک مدل‌های ترکیبی بر اساس منطقه بازار خاص، مقایسه بهتری را بین بازارهای مختلف فراهم می‌کند، به خصوص زمانی که یک برند رسانه‌ای را از منطقه‌ای به منطقه دیگر اجرا می‌کند.

با این حال، بزرگترین اشتباه بازاریابان در مورد MMM، عدم استفاده از آن است. اغلب آنها تصور می کنند که خیلی گران است، خیلی وقت گیر یا هر دو. اما MMM در دهه گذشته هم سریعتر و هم ارزانتر شده است. میلر گفت در حالی که قبلا صدها هزار دلار هزینه داشت و تکمیل آن تا شش ماه طول می کشید، اکنون می توان آن را در کمتر از دو ماه با کمتر از 100000 دلار انجام داد.

اما حتی اگر MMM “آسان تر، سریع تر است [and] اکنون ارزان تر است،» او گفت، هنوز باید با شریکی که علم مدلینگ را درک می کند، انجام شود.

در غیر این صورت، میلر گفت: “اشتباهات می توانند واقعاً بسیار گران باشند.”