Il marketing mix modelling è tornato, e non è quello che ricordate
La tecnica che tutti avevano pensionato nel 2012 è oggi lo strumento più duraturo della cassetta. Ed è anche regolarmente sopravvalutata.
iStudios, Misurazione
Il marketing mix modelling venne dichiarato superato quando arrivò l'attribuzione digitale. L'attribuzione prometteva precisione sulla singola impression; il modello di mix offriva una stima trimestrale grossolana costruita su dati aggregati. Fu una scelta facile e, col senno di poi, sbagliata.
Il modello di mix è tornato per una ragione che non ha niente a che fare con la statistica. Gira su dati aggregati che già possedete, quindi non si degrada quando un browser cambia policy, quando una piattaforma limita la reportistica o quando un utente rifiuta il tracciamento. È resistente alla privacy per costruzione.
In cosa è davvero bravo
- Allocare un budget intero tra i canali, compresi quelli che non hanno nessun segnale digitale.
- Stimare i rendimenti decrescenti, il che vi dice non solo dove spendere ma dove l'euro successivo smette di funzionare.
- Cogliere gli effetti di trascinamento, così l'investimento di marca non viene valutato come se il suo effetto finisse il giorno in cui è andato in onda.
- Sopravvivere ai cambi di regime della misurazione, perché niente di ciò che gli serve può essergli tolto da un aggiornamento di policy.
Cosa non può fare, qualunque cosa dica un fornitore
Non vede una singola creatività. Non può dirvi quale segmento di pubblico ha risposto. Non produce una risposta affidabile con diciotto mesi di dati e sei canali che si sono sempre mossi insieme, perché non ha variazione da cui imparare. E non riesce, da solo, a distinguere la correlazione dalla causalità: due canali sempre messi a budget insieme non saranno mai separabili.
Un modello di mix mai verificato contro un esperimento è un'opinione vestita bene.
La parte che lo rende affidabile
La calibrazione. Conducete esperimenti su due o tre canali, ottenete stime causali, e le usate come riferimento o come validazione del modello. Dove il modello concorda con l'esperimento, vi fidate delle sue stime per i canali che non potevate testare. Dove non concorda, avete trovato o un errore di modellazione o un problema più interessante.
Senza quel ciclo, il mix modelling è una regressione con un buon ufficio marketing alle spalle. Con quel ciclo, è la cosa più simile a una mappa che questo settore abbia a disposizione.