Los modelos de marketing se basan en la ciencia, pero también necesitan un toque de arte

 Prema Sampath, gerente de productos del grupo en Google, dirige un equipo de productos que desarrolla aplicaciones de medición para publicidad de marca, incluidas soluciones de terceros centradas en la privacidad para anuncios de YouTube.

 

 Stephen Mangan es gerente de medición de ROI en Google, y lidera activaciones de socios de investigación y medición para ayudar a los anunciantes a mejorar sus estrategias de optimización de medios.

 Los modelos de mezcla de marketing (MMM) ayudan a los especialistas en marketing a hacer comparaciones de manzanas con manzanas en todas sus diferentes inversiones. Proporcionan respuestas a preguntas como: ¿Qué impulsó las ventas? ¿Cuál fue mi ROI? ¿Cómo optimizo mi inversión en marketing?

 Pero determinar el ROI requiere más que un solo cálculo. El panorama de los medios de hoy se está fragmentando y entrelazando cada vez más, lo que presenta a los MMM un desafío sin precedentes al predecir el rendimiento futuro.

 

 

 Para dar sentido al MMM, los anunciantes a menudo se remiten a la experiencia técnica de sus proveedores de medición. Pero hay más en la estrategia de medición que la ciencia detrás del modelo. Incorporar el contexto comercial para dar forma al MMM es un arte, uno con implicaciones para los resultados del modelo y las recomendaciones finales. Los anunciantes que adoptan ese arte pueden empoderar a sus negocios para que tomen decisiones más estratégicas basadas en mediciones.

 Aca hay tres pasos que los especialistas en marketing pueden seguir para adoptar el arte del MMM:

 

 Recorda que las impresiones no son iguales en todas las plataformas o incluso dentro de ellas. Cuando se trata de mediciones específicas de video, MMM evaluará todas sus impresiones, pero las plataformas pueden variar ampliamente en términos de tiempo de visualización, visibilidad y audibilidad. Los mismos datos pueden producir resultados muy diferentes dependiendo de cómo se incorporen al modelo. La investigación que encargamos a Nielsen muestra que cuando los MMM de las marcas CPG evaluaron plataformas de video individuales en lugar de datos agregados, el retorno de la inversión publicitaria (ROAS) varió hasta en un 48 %.

 Los formatos de anuncios pueden variar con la misma amplitud. En YouTube, por ejemplo, los anuncios pueden variar desde videos de 30 segundos que no se pueden omitir hasta un anuncio de parachoques de 6 segundos. Si bien ambos formatos pueden generar ROI, el costo y la efectividad de sus impresiones no serán los mismos.

 

 

 Así que asegurate de aprovechar los datos más granulares de sus socios editoriales, y tu modelo podrá identificar el valor respectivo de las diferentes impresiones. Como con cualquier modelo, el MMM tiene límites. Pero cada capa de granularidad conducirá a decisiones comerciales más informadas.

 

 La ciencia del MMM puede decirte cuál fue su ROI, pero no puede decir por qué sin contexto. Obtener datos granulares a nivel de formato es un comienzo, pero los formatos son solo uno de los impulsores del ROI. Según Nielsen Catalina Solutions, la creatividad representa el 47 % del ROI del video y, sin embargo, los MMM no están diseñados para evaluar recursos creativos individuales.

 "Si el modelado se realiza en un vacío, sin contexto, podría conducir a decisiones engañosas y subóptimas", dijo Rajika Karunanayaka, gerente sénior de ciencias de los medios de Hershey. "Entonces, el contexto es tan importante como los datos que se incluyen en el modelado y debe ser una consideración clave en cada paso del camino”. El equipo de medios integrados de Hershey trabaja con IRI para obtener datos de Google y contextualizar los cambios en tus planes de medios, dijo.

 Trabaja con su socio editor para recopilar información sobre tu compra de medios e identifica cualquier otro dato necesario para que el modelo responda preguntas comerciales estratégicas. La colaboración ayudará a su proveedor de medición a evaluar cómo estos cambios en la estrategia impactan en el ROI de marketing. Si se hace bien, esto puede conducir a un mayor retorno de la inversión con el tiempo.

 

 

 

 "Nos asociamos con Google para recopilar datos de MMM en el nivel correcto de granularidad para permitir un modelo procesable y perspicaz, y luego trabajamos con ellos para revisar los elementos de ejecución subyacentes que podrían influir en los resultados", dijo Karunanayaka, citando cambios en YouTube de Hershey combinación de formatos de anuncios, alcance y frecuencia, estrategia de audiencia y visibilidad como posibles sitios de impacto. “También trabajamos con nuestro equipo de Google para comprender la efectividad a nivel creativo, mientras normalizamos el formato de los anuncios para que podamos tener una idea de qué anuncios de YouTube de Hershey están impulsando las ventas”.

 En un metanálisis de MMM que encargamos a Nielsen, en promedio, el ROAS de YouTube creció un 108 % para las marcas después de colaborar con Google, un aumento 7 veces mayor en comparación con las marcas que no colaboraron con Google. Compartir tu narrativa de medios permitirá a los modeladores para comprender qué influyó en los cambios en el ROI de marketing y, en última instancia, te ayudará a formular estrategias comerciales más inteligentes.

 

 Ningún modelo es perfecto, MMM incluido. Un equipo de científicos de datos de Google incluso publicó un artículo sobre cómo los MMM que utilizan los mismos datos podrían generar un ROI drásticamente diferente con el mismo nivel de confianza estadística.

 Con eso en mente, evalua los resultados desde una perspectiva crítica. En lugar de aceptar todos los resultados, pregunta a tu proveedor de medición sobre el margen de error del modelo para obtener recomendaciones y resultados específicos. No bases ninguna decisión empresarial importante únicamente en tu MMM como única fuente de información. En cambio, tomate el tiempo para diseñar un experimento de prueba versus control que pueda brindarte una segunda perspectiva sobre la precisión del modelo.

 

 

 MMM es una herramienta valiosa para la medición, pero la ciencia por sí sola no puede producir todas las respuestas correctas. Los matices importan. El arte de mejorar el modelo es donde los especialistas en marketing pueden intervenir para ayudar a recopilar datos y contexto de los socios editores e impulsar a los proveedores a la transparencia. Con estos pequeños pasos, los equipos pueden influir en la estructura y mejorar la precisión del MMM, lo que lleva a resultados que permiten una toma de decisiones más informada.

 

 

 

 

 

 

 

 

Fuente: https://www.thinkwithgoogle.com/marketing-strategies/data-and-measurement/art-of-marketing-mix-models/