Marketing Mix Modeling (MMM), ayer y hoy - Blog de Kraz | Data Solutions

Marketing Mix Modeling (MMM), ayer y hoy

Autor: Kraz Team
enero 10, 2022
Marketing Mix Modeling

La mitad de mi presupuesto de publicidad no sirve de nada… pero ¿qué mitad? 

Se atribuye la frase a John Wanamaker, DG de Correos de los EEUU y uno de los pioneros en el campo del marketing y la publicidad. Sea cierta o no la atribución a Wanamaker, desde siempre ha existido una evidente preocupación por optimizar el presupuesto de marketing, gastar lo justo y necesario para los objetivos a conseguir: ni más – derroche de recursos- ni menos -pérdida de oportunidades- para cada uno de los canales de marketing.

Encontrar este punto exacto de inversión para los objetivos de ventas propuestos ha sido siempre la piedra filosofal de cualquier CMO.

Impacto de la publicidad en las ventas

MMM es una acrónimo de “Marketing Mix Modeling” -aunque en ocasiones también se encuentran menciones a MMM como “Media Mix Modeling”. Los modelos MMM son modelos de regresión sobre series temporales históricas que analizan la acción de las diferentes palancas de marketing (publicidad en TV, en radio, en canales digitales, etc) para ver su relación con la evolución temporal de ventas (o márgenes). En un modelo MMM, la variable a explicar (variable dependiente) es la de ventas, y las variables explicativas (variables independientes) son todas las correspondientes a las diferentes acciones de marketing.

Ello tiene varias implicaciones

  • Contribución
    • Se busca la contribución de cada medio de comunicación (TV, Radio, Prensa, etc) al resultado de ventas, teniendo en cuenta todos los efectos cruzados entre ellos. 
    • La contribución puede ser a distintos niveles: por ejemplo, podemos modelizar “TV” como una de las palancas de marketing, pero podemos concretar canales concretos (TV1 vs TV2) e incluso se puede llegar a estudiar la contribución de distintas campañas.
  • Optimización
    • determinación de la óptima combinación de gasto en medios que maximice el resultado de ventas
  • Predicción
    • creación de distintos escenarios para exploración de alternativas estratégicas

El modelo MMM permite:

  • Construir escenarios de planificación de las distintas variables independientes para ver su impacto en ventas
  • Obtener escenarios óptimos de mix de medios (combinaciones maximizadoras de ventas)  
  • Entender la contribución a las ventas de cada uno de los canales de comunicación
  • Evaluar la eficiencia (ROI) asociada a cada canal de comunicación
  • Predecir la evolución futura de las ventas a partir de las acciones previstas de marketing

Algunas de las preguntas que un MMM resuelve son:

  • ¿Cuál es el retorno en ventas de la inversión en medios?
  • ¿Qué medios, canales, y creatividades tienen más impacto en ventas?
  • ¿Cómo serán las ventas si aumentamos la presión publicitaria un 5% el año que viene?
  • ¿Cuál sería, con la inversión actual, el mix adecuado de medios?
  • ¿En qué canal debo invertir mis próximos 1.000 euros para maximizar mi beneficio?

Impacto de la IA en MMM (Marketing Mix Modeling)

La aparición de nuevas técnicas basadas en IA ha propiciado interesantes novedades en el campo de MMM:

  • La IA ha permitido el análisis de muchas más variables y mucha mayor información disponible -información en muchos casos generada a partir de entornos digitales.
  • Nuevas técnicas como las redes neuronales han permitido entender mejor la relación entre las variables independientes (canales de marketing), de modo que los modelos actuales se ajustan mucho mejor a la realidad del negocio
  • Los nuevos algoritmos han podido modelizar los efectos de interdependencia entre las variables del modelo. Se permite (y se busca) que los modelos encuentren estos patrones de interdependencia entre variables
  • Los nuevos modelos, mucho más complejos de cálculo, han podido ser implementados gracias a la potencia de la computación en la nube.

MMM vs MTA

Estamos frente a un nuevo escenario donde la privacidad de los usuarios online está ganando terreno, logrando condicionar muchas de las decisiones alrededor de los productos y servicios digitales.

Algunos ejemplos de decisiones a favor de un mayor grado de privacidad de los usuarios:

  • La legislación de la EU GDPR de protección de datos personales, muy favorable a los derechos de los usuarios individuales frente a las empresas proveedoras de servicios
  • Cambios en iOS14, permitiendo que los usuarios desactiven la detección individual del dispositivo (impidiendo acciones como el retargeting, muy populares entre agencias y anunciantes)
  • Google Chrome bloqueará las cookies de 3os (inicialmente previsto para principios de 2022, ahora pospuesto a finales de 2023)

Todas estas acciones en defensa de la privacidad generan más dificultad de tracking de comportamientos individuales, eliminando una importante fuente de información de impacto de acciones comerciales en ventas. Los modelos basados en metodologías MTA (multitouch Attribution) están teniendo más dificultades de implementación, y a futuro su uso cada vez será más complicado

Ante la pérdida de la medición del impacto directo de campañas en las ventas, el nuevo escenario otorga a los modelos MMM una mayor relevancia en su peso específico en la contribución a la explicación de la evolución de las ventas de las compañías.

Marketing Mix Modeling hoy

Históricamente, tan solo los grandes anunciantes podían permitirse la implementación de modelos MMM. Hoy día, lo que antes eran proyectos exclusivos de grandes anunciantes con “deep pockets” pasan a estar disponibles a un mayor abanico de empresas clientes.

Muchas de las herramientas de MMM se han comoditizado, es decir, ahora hay un acceso mucho más abierto a recursos de modelos MMM (algoritmos, BBDD, comunidades de developers, etc). Los modelos MMM están siendo desarrollados por un mayor número de consultoras para un mucho mayor número de anunciantes. 

Cada vez existen mejores modelos y más accesibles para explicar el resultado de ventas y descomponer este resultado entre sus diferentes factores contribuidores al resultado final.

El punto de gravedad de expertise de las agencias de analítica y data science se está moviendo desde una perspectiva más técnica (desarrollo de modelos, algoritmos) a una más de negocio (aplicación de parámetros de negocio a modelos preconfigurados). 

El papel de las agencias de analítica y data science sigue siendo fundamental en la aplicación de proyectos MMM, vinculando el conocimiento de negocio del cliente con el conocimiento técnico de ciencia de datos de la agencia proveedora.

Marketing Mix Modeling en Kraz

Kraz es una de las consultoras actualmente implementando modelos MMM para clientes en sectores como FMCG o Fashion. En próximos posts hablaremos de los detalles de implementación de proyectos. ¡Stay tuned! Y si estás interesado en explorar la implementación de modelos MMM, solicita una reunión con nosotros.

Si te gusta lo que estás leyendo…

Nuestros últimos posts

No te pierdas ninguna de nuestras novedades del blog y suscríbete a nuestra newsletter