Därför behöver du Media Mix Modelling

De flesta av våra kunder har sett en stadigt minskande tillförlitlighet i sin webbanalysdata de senaste åren- Det som för bara några år sedan upplevdes som enkelt att mäta, till exempel försäljning från digitala mediekanaler har blivit svårt. Diffarna i data från mediekanaler, webbanalys och affärssystem har blivit för stora och ökar. Mer och mer data i mediekanaler och webbanalys baseras på modellering istället för verkliga utfall som tidigare varit normen. . Anledningen är lagstiftning som driver på teknikutveckling mot ökad privacy i operativsystem och webbläsare. År 2024 väntas cookie-döden göra det ännu svårare att lita på konverteringsdata och olika metoder för att kringgå privacy-spärrar som t.ex. fingerprinting kan komma att begränsas. Flera av våra kunder tittar inte längre i Google Analytics och liknande webbanalyssystem för att få beslutsunderlag kring medieinvesteringar.

Vill du skapa ett Proof of Concept för MMM för ditt företag? Klicka här!

En metod som seglat upp som ett alternativ är Media Mix Modelling, MMM. Anledningen är att MMM klarar sig bra utan webbanalysdata och nöjer sig med att statistiskt modellera förhållandet mellan mediadata och försäljningsdata. En väluppbyggd MMM kan svara på frågor om vilken effekt mediekanal X eller kampanj Y haft på försäljningen under året.

Exempel på output från Metas Robyn MMM. Till vänster syns rekommendationer på hur du borde balansera budgeten mellan mediekanaler. Till höger syns kurvor på hur stor effekt du får för varje ytterligare investerad krona i olika mediekanaler.

MMM är en välbeprövad metod som använts sedan slutet av 40-talet. Min erfarenhet genom åren är att MMM har varit värdefullt för att öka effekten i medieinvesteringar, men har varit alldeles för dyrt och tidskrävande för mindre annonsörer. I takt med att webbanalysdata har blivit mindre tillförlitlig har dock ett antal moderna MMM-leverantörer som t.ex. Cassandra, Analytic Edge och svenska Fieldstream Media vuxit fram. Med hjälp av smarta API:er och UX har kostnaden sjunkit drastiskt. Jättarna Google, Meta och Amazon har också insett att deras medieaffärer är hotade av bristen på mätbarhet ute hos kunderna och har släppt varsitt open source-verktyg för MMM.

MMM lovar mycket, men precis som med alla verktyg så krävs det arbete från den som använder det. För att lyckas få till en modell du kan använda i beslutsfattande behöver du arbeta med strukturerade tester för att bygga upp ett hypotesdrivet lärande över tid. I en modern marknadsavdelning bör dock detta ständigt vara en prioritet, och modellen blir då som en sorts förlängning av kunskapen du samlar.

Visst ska du fortsätta att arbeta med din webbanalys och konverteringsmätning så länge det går genom att till exempel ställa om till serverbaserad mätning och API-kopplingar mot mediekanaler. Hur du än gör kommer du som köper media ha stor nytta av att förstå vilken påverkan olika medieinvesteringar och kampanjer har på din affär utöver bara klick- och konverteringsmätning. Här är MMM det beprövade och mest framtidssäkra alternativet.

John Eriksson

Principal Expert, Autopista

Vill du skapa ett Proof of Concept för MMM för ditt företag? Klicka här!