Marketing Mix Modeling als oplossing én uitdaging: hoe je de hindernissen van klassieke MMM overwint

Maar daar houdt het niet op. Met MMM kun je namelijk ook vragen over toekomstige scenario’s beantwoorden. Kunnen we in het volgende kwartaal beter wat televisiebudget in SEA stoppen? Wat gebeurt er als we zwaarder inzetten op radiocommercials? En als we campagnes combineren met promoties? Of als we twee merken tegelijk promoten? 

Vaak zit het antwoord op dergelijke vragen al in de data die je hebt. Een slim MMM-algoritme kan op basis van data-analyse en machine learning-modellen uitspraken doen over het effect van investerings- en planningsbeslissingen. Dit helpt je ‘in de toekomst te kijken’ en verschillende strategieën tegen elkaar af te wegen. 

MMM bestaat als techniek al decennia. Maar de manier waarop het van oudsher gedaan wordt, past niet meer in een moderne marketingoperatie. Vooral het vele, specialistische handwerk dat bij MMM komt kijken maakt het vaak een lastig in te zetten techniek. De specialisten die dit werk beheersen zijn ook schaars. 

Daar komt bij dat deze analyses meestal driemaandelijkse of halfjaarlijkse rapporten opleveren. Daar heb je in een moderne marketingoperatie weinig aan. Want je wilt in een real-time wereld minimaal per maand kunnen sturen. Maar liefst wil je nog wendbaarder zijn. Je wilt modellen en resultaten dus ook snel kunnen updaten met nieuwe data, om te kijken of en hoe de uitkomsten veranderen. Een rapport of presentatie, de klassieke manieren om MMM-resultaten op te leveren, voldoet daarvoor niet. 

Tot slot zijn de modellen die voor MMM gebruikt worden vaak weinig transparant. Onderzoeksbureaus delen niet altijd hun methode en aannames met je. Je data komen dus uit een ‘black box’: je weet niet hoe ze tot stand gekomen zijn en welke problemen zich eventueel in meet- en rekenmethodes verschuilen. 

De ‘klassieke’ manier van het modelleren van je marketingmix is dus te langzaam, te statisch en te ondoorzichtig. 

1. Eén platform, één waarheid. Brandmanagers, mediamanagers, CMO’s, CEO’s en CFO’s moeten één platform hebben voor inzichten in het rendement van de marketingstrategie. Zo’n platform laat data zien op verschillende detailniveaus. Zodat je bijvoorbeeld een beeld kunt krijgen op merkniveau, maar ook kunt inzoomen naar tactisch niveau. 

2. Snel samenstellen, makkelijk delen. Een goed MMM-platform laat je met een paar klikken een campagne samenstellen en delen met alle betrokkenen. Zo stroomlijn je samenwerking en verminder je de energie en tijd die verloren gaan in communicatie en coördinatie. 

3. Handwerk automatiseren. Een dataplatform functioneert alleen als de data altijd actueel en geverifieerd juist zijn. Het automatiseren van dataverzameling is dus een cruciale basisstap voor het goed inrichten van MMM. Het is niet alleen sneller, het voorkomt ook menselijke fouten. Zijn nog niet alle databronnen geautomatiseerd te integreren? Dan zijn invoertemplates die handmatige invoer makkelijk maken een goede tussenoplossing. 

In onze whitepaper Marketing Mix Modeling nieuwe stijl: 4 stappen naar optimale beslissingen en betere campagnes gaan we dieper in op de uitdagingen en kansen van MMM en laten we je ons proces zien voor MMM-succes. Download hem gratis op onze website.