Media Mix Modeling als alternatief voor klassieke attributiemodellen

Voor het Digital Marketing Trendrapport 2023 sprak Bart Meerdink met Nicolas Arrivé. Nicolas is Manager Marketing Services bij Meta. Hij omschrijft MMM als volgt:

‘Media Mix Modeling is een aanpak waarbij je met behulp van tools en geavanceerde analytics kijkt naar het effect van media, advertising, prijs, seizoen gebondenheid, promoties en andere variabelen op de uiteindelijke sales en ROI.’

Hoe werkt media mix modeling?

Nicolas: ‘MMM is een statistische analyse waarbij een groot aantal variabelen wordt opgenomen (zakelijke context, prijskortingen, betaalde media-activiteiten, enz.). ‘De meeste MMM’s zijn gebaseerd op statistische regressietechnieken, waarbij gebruik wordt gemaakt van een optelsom van allerlei informatie uit tijdreeksen (denk aan beurskoersen, het weer of mediabestedingen) – vandaar dat de methode privacy-vriendelijk is.’

‘Het is een traditionele techniek die al meer dan vijf decennia bestaat, maar het is in de afgelopen 3+ jaar snel geëvolueerd. Machine Learning (ML) heeft MMM-mogelijkheden vergroot, omdat het aantal variabelen dat in het model moet worden opgenomen onbeperkt kan zijn (doelgroep, verkochte producttypes, enz.). ML beperkt ook de afhankelijkheid van rijke historische gegevens. Eén organisatie kan bijvoorbeeld leren van verschillende bedrijfseenheden. Nieuwe markten of producten kunnen bijvoorbeeld profiteren van modellen van bestaande markten.’

De populariteit van media mix modeling

Wat verklaart de populariteit van MMM? Volgens Nicolas ligt de oorzaak op twee gebieden. Adverteerders zijn actief op zoek naar alternatieven voor de klassieke attributiemodellen. Door de toenemende regulering en het uitfaseren van 3rd party cookies wordt de ‘cookie pot’ steeds leger.  Hierdoor hebben de klassieke modellen een steeds onvollediger beeld van de touchpoints.

Aan de andere kant profiteert MMM van de snelle technologische ontwikkelingen. Waaronder de toenemende betrouwbaarheid, snelheid en beschikbaarheid van machine learning en AI. Machine Learning vermindert ook de afhankelijkheid van rijke historische gegevens. Een organisatie kan leren van verschillende bedrijfseenheden. Nieuwe markten of producten kunnen profiteren van modellen van bestaande markten.’

De belangrijkste ontwikkelingen binnen MMM

Wat zijn volgens Nicolas de belangrijkste ontwikkelingen in MMM? ‘De beschikbaarheid van zeer gedetailleerde gegevens, cloudbased technologie en open-sourcepakketten leidden tot aanzienlijke veranderingen. MMM’s kunnen gemakkelijker worden gecombineerd en gevalideerd. Op de cloud gebaseerde technologieën zorgen ervoor dat MMM’s regelmatig worden bijgewerkt. We hebben een toename gezien van maandelijkse updates (in tegenstelling tot driemaandelijkse of jaarlijkse updates); sommige modellen zelfs vaker dan dat.’

‘Open-sourcepakketten zoals Project Robyn, geïnitieerd door Meta Open Source, maken MMM-codes beschikbaar voor alle marketeers. Het stelt marketeers ook in staat om deze MMM’s over te nemen en aan te passen aan hun specifieke behoeften.’

Is media mix modeling relevant voor mijn organisatie?

Media Mix Modeling kan dus antwoord geven op vragen als:

• Wat dreef de sales?
• Wat was mijn ROI?
• Hoe optimaliseer ik mijn marketinginvestering?

Echter, MMM’s waren vroeger voorbehouden aan enkele zeer grote organisaties met veel middelen. Tegenwoordig zijn de toetredingsdrempels tot MMM’s zo laag dat vrijwel alle bedrijven hiervan kunnen profiteren. Bij Meta zag Nicolas bijvoorbeeld hoe de succesvolle toepassing door het New Yorkse sieraden merk Talisa. Zij kunnen nu op een efficiënte manier het marketingbudget per markt op kwartaal-, maand- en weekbasis toewijzen.

Hoe start je met media mix modeling?

Is er een ‘self-service’ manier om te beginnen of heb je een team van econometristen nodig? Volgens Nicolas hangt het af van welke talenten jij in je organisatie hebt. ‘Werken met een MMM-bedrijf of -bureau in-housing kan een manier zijn om te beginnen. Media Mix Modeling vereist expertise op het gebied van statistiek. Dit vraagt om investeringen in mensen en tools.

Als je geen econometristen in huis hebt, bestaan er geautomatiseerde oplossingen. Je hebt dan wel minder controle over de input en output. Deze oplossingen zouden echter wel snel MMM-achtige inzichten opleveren.’

In 7 stappen aan de slag met Media Mix Modeling

Google zag ook de hernieuwde belangstelling en schreef ‘A CMO’s handbook to Media Mix Modeling’. Met deze gids kan jij in een checklist van zeven stappen aan de slag. Het is gebaseerd op best-practices van het Google-meet team.

1. Start met de juiste vragen: Net als bij het kiezen van een MarTech Stack start het gesprek bij het stellen van de juiste doelen. Tools en modellen zijn geen doel, maar een middel. MarTech expert Frans Riemersma adviseert over het kiezen van je MarTech Stack: ‘Schrijf voor je begint op één post-it wanneer jouw doel is bereikt. Wanneer kan zowel bij management als de mensen die er mee werken de champagne open?’ In de gids van Google staan diverse vragen die je kan beantwoorden met Media Mix Modeling.
2.  Meet de impact met de juiste kpi’s: In de tweede stap van de gids kijk je naar je KPI’s. In welke metrics wil jij met je MMM inzicht krijgen. Online verkoop, offline verkoop, share of search of juist brand awareness? Google geeft een aantal voorbeelden.
3. Welke variabelen ga je gebruiken? Zoals eerder al benoemd wordt de toegenomen populariteit van Media Mix Modeling gedreven door het grote aantal variabelen dat je mee kan nemen. Klantreizen zijn complex en met de verdwijnende 3rd party cookies wordt het steeds lastiger om via de traditionele conversie attributiemodellen de media impact te bepalen. Daarnaast heb je meer factoren dan alleen je media, zoals het weer of seizoenen. In de checklist kan je bij deze stap aanvinken welke van de voorgestelde variabelen je mee wil nemen in je MMM.
4. Inzicht zit in de details: Hoe nauwkeurig is jouw data? De uitspraak ‘garbage in, garbage out’ zal je wel bekend zijn, maar gaat ook zeker op bij Media Mix Modeling. In het algemeen wordt data door nieuwe tools en technieken steeds nauwkeuriger, maar dit betekent niet dat je daar blind op mag vertrouwen. Data is de kern van je MMM, dus het is essentieel om gegevens te werken die zo zuiver mogelijk zijn.
5. Maak slim gebruik van best practices
6. Wat heb je nodig van een MMM partner? Zeker voor middelgrote organisaties die zelf geen professionals in huis hebben die een MMM kunnen bouwen, is het selecteren van de juiste partner essentieel. Elke aanbieder heeft zijn eigen technologieën en methodieken. Google helpt je met een checklist wat een MMM partner zou moeten leveren.
7. Taking it to the next level

Upgrade je digital & marketing kennis

Media Mix Modeling is een van de vele voorbeelden van nieuwe mogelijkheden door snelle technologische ontwikkelingen. AI verandert het werk van marketeers voorgoed. Maar ondertussen veranderd ook het gedrag en de verwachtingen van de klant. Relevante kennis en skills zijn essentieel om impact te (blijven) maken. Een Beeckestijn opleiding helpt hierbij. Leer bijvoorbeeld hoe je sturing geeft aan digitale transformatie of hoe je nieuwe digital marketingkennis vertaalt naar een praktische strategische aanpak. Of ga aan de slag met AI in de praktijk of advanced marketing analytics tijdens een training.  

Make impact  

Werk verandert continu en dat vraagt om de juiste kennis en skills. Beeckestijn Business School helpt hiermee. Met compacte en praktische programma’s binnen digital, marketing, cx, data en communicatie door 100% vakexperts. Op zoek naar gratis kennis en inspiratie? Woon een online clinic bij of download een van de whitepapers. #kennisdelen