Pode parecer surpreendente que uma prática tradicional como a modelagem de mix de marketing (MMM) continue a ser associada a mitos e equívocos generalizados. Mas, devido ao seu papel ressurgente no kit de ferramentas de análise de marketing, é hora de separar o fato da ficção.
A modelagem do mix de marketing fornece informações críticas ao C-suite sobre como gastar os orçamentos de marketing. No ambiente “mostre-me” de hoje, o dinheiro do marketing está sendo cada vez mais desviado da mídia tradicional de funil superior, como a TV linear, para canais baseados em desempenho na extremidade inferior do funil, onde técnicas de medição mais claras oferecem mais oportunidades para retornos prováveis.
Com informações canal a canal sobre o impacto dos gastos com mídia nas vendas, por exemplo, uma análise MMM pode ajudar os profissionais de marketing a determinar se devem reforçar essas estratégias de mudança de canal ou retroceder. E o mais importante, ele faz isso de maneira segura para a privacidade, evitando os dados no nível do usuário dos quais os profissionais de marketing não podem mais depender da coleta no mundo sem cookies.
Nos últimos anos, o DAC realizou centenas de análises MMM em dezenas de setores. Vimos MMM e abordagens analíticas semelhantes trazerem benefícios significativos, clareza e confiança na alocação de mídia para clientes em uma vasta gama de categorias que variam de serviços financeiros, seguros e comércio eletrônico a varejo especializado, materiais de arte e moda.
Crédito: Fonte: DAC See More
O que esperar (e não esperar) do MMM
A modelagem do mix de marketing é uma análise em nível de orçamento macro. Não depende da visibilidade da jornada do consumidor ou requer dados no nível do usuário, como impressões e cliques, para executar o modelo. Uma análise MMM não aborda as táticas no nível da campanha nem considera se um criativo superou o outro. Também não tem nada a ver com atribuição multitoque ou de último toque no nível da jornada do usuário. É estritamente uma forma de validar ou refutar as decisões que são tomadas no nível de definição do orçamento.
As preocupações com os custos e a granularidade dos dados estão entre as limitações mais citadas da modelagem do mix de marketing. Mas muitas dessas preocupações decorrem de crenças mantidas de uma era anterior que disfarçam o verdadeiro valor da prática.
Aqui está o que as marcas precisam saber sobre os quatro maiores mitos do MMM.
Mito 1: A modelagem do mix de marketing diz o que fazer com seu orçamento.
Os modelos de mix de mídia podem produzir divisões de orçamento otimizadas entre canais com base em dados históricos. Por exemplo, eles podem dizer a uma marca que ela está superfinanciada em gastos com TV em 15% e subfinanciada em anúncios sociais pagos em 5%, e como essas divisões variam regionalmente, digamos, entre a costa oeste e leste.
O que esses dados não podem fazer é prever quais estratégias e táticas orçamentárias podem ou não funcionar no futuro. As saídas MMM podem ser usadas para construir modelos de previsão, mas não são uma previsão por conta própria. Uma marca pode querer introduzir novos canais que não estavam presentes no modelo original, ou o objetivo de negócios pode mudar para uma prioridade diferente, caso em que o mix de canais calculado pode não ser mais apropriado.
Mito 2: Construir uma prática sustentável é muito caro para a organização.
A orientação do setor sobre as melhores práticas tende a dar aos profissionais de marketing a impressão de que a construção de um recurso de MMM requer um investimento de seis dígitos e terabytes de dados históricos em um data warehouse de nível empresarial.
Aqui está a verdade para a maioria das marcas: se você tiver dados históricos sobre o que gastou onde – pode ser simplesmente exportações de plataformas como Google Ads, Meta e Pinterest – bem como suas métricas de conversão, poderá criar um modelo de mix de marketing com um investimento relativamente baixo.
Mito 3: Se não posso medir tudo, não devo medir nada.
A maioria das marcas não precisa ferver o oceano para obter valor de um estudo da MMM. Em vez de procurar todos os sinais competitivos, todas as vendas de produtos por semana ou forças de mercado externas que afetam seu setor, eles podem apenas observar quanto dinheiro foi gasto em mídia por semana por canal em um nível macro e sobrepor os dados de vendas. Modelos de regressão com um conjunto de dados simples podem produzir uma linha de base de uma combinação que refuta ou apóia decisões orçamentárias anteriores.
Mito 4: As plataformas baseadas em IA são a resposta para todos os meus problemas.
Avanços em aprendizado de máquina e inteligência artificial fornecem enormes benefícios para a modelagem de mix de marketing. Mas a IA sozinha não pode resolver todos os problemas do MMM.
Dependendo das perguntas que estão sendo feitas e do conjunto de dados, alguns métodos podem funcionar melhor do que outros. Ao selecionar ferramentas e fornecedores terceirizados, os profissionais de marketing devem decidir se o método é o mais adequado para seus dados e objetivos e entender quais parâmetros no modelo podem ser ajustados para garantir que os melhores ajustes e generalizações sejam possíveis.
Um novo tipo de dependência de dados
À medida que os profissionais de marketing continuam avaliando o papel que a modelagem do mix de marketing pode desempenhar em suas organizações, eles precisarão lidar de forma mais ampla com o que significa ser dependente de dados na era da privacidade em primeiro lugar. A mudança da coleta de dados no nível do usuário para uma análise de nível mais macro, como o MMM, tende a criar a impressão de uma escolha falsa: alguns profissionais de marketing esperam que a modelagem do mix de marketing resolva todos os seus problemas orçamentários. Outros dizem que é muito grosseiro e não tático o suficiente.
Mas não deixemos que o ótimo seja inimigo do bom. O trem MMM saiu da estação. Os profissionais de marketing precisam embarcar com a mentalidade e a abordagem corretas para enfrentar os desafios de medição à frente.
