Моделирование маркетингового микса ( МММ ) — это методология прогнозирования, используемая для оценки влияния различных маркетинговых тактических сценариев на продажи продукта. МММ используют статистические модели, такие как многомерные регрессии , и используют данные временных рядов продаж и маркетинга . Они часто используются для оптимизации рекламного микса и тактик продвижения в отношении продаж, доходов или прибыли, чтобы максимизировать возврат инвестиций.
Использование этих статистических методов позволяет маркетологам учитывать рекламный рекламный инвентарь и уменьшающуюся отдачу от рекламы с течением времени, а также учитывать эффекты переноса и влияние прошлых реклам на текущую кампанию продаж. Более того, MMM способны рассчитать величину каннибализации продукта и эффект ореола . [1]
Эти методы были разработаны специализированными консалтинговыми компаниями совместно с учеными и впервые были применены к потребительским товарам , поскольку производители этих товаров имели доступ к точным данным о продажах и маркетинговой поддержке. [ необходима цитата ] Улучшение доступности данных, значительное увеличение вычислительной мощности и необходимость измерения и оптимизации маркетинговых расходов привели к взрывному росту популярности MMM как маркетингового инструмента. [ необходима цитата ] В последнее время MMM получила признание в качестве надежного маркетингового инструмента среди крупных компаний, занимающихся потребительским маркетингом.
В основе MMM лежит концепция маркетингового микса , которая определяется как набор переменных, которые компания может изменить для удовлетворения потребностей своих клиентов. Термин был разработан Нилом Борденом , который утверждает, что начал использовать эту фразу примерно в 1949 году для своего обучения и написания. [2] Он отдает должное своему коллеге Джеймсу Каллитону за идею «маркетингового микса», изображая руководителя следующим образом:
Руководитель — это человек, который смешивает ингредиенты, иногда он следует рецепту по мере его продвижения, иногда адаптирует рецепт к имеющимся ингредиентам, а иногда экспериментирует или изобретает ингредиенты, которые никто еще не пробовал. [3]
Более того, по словам Бордена, менеджер по маркетингу должен «взвешивать поведенческие факторы, а затем жонглировать маркетинговыми элементами в своем миксе, внимательно следя за ресурсами, с которыми ему приходится работать» [2] .
Эти «ингредиенты» маркетингового комплекса были дополнительно описаны Э. Джеромом Маккарти , который первым предложил четыре «П» маркетинга: [4]
По словам Маккарти, у маркетологов по сути есть эти четыре переменные, которые они могут использовать при создании маркетингового плана и стратегии. В долгосрочной перспективе все четыре переменные смеси могут быть изменены, но в краткосрочной перспективе трудно изменить продукт или канал дистрибуции.
В 1980-х годах Бернард Бумс и Мэри Битнер построили модель, состоящую из семи P. [5] Они добавили «людей» к списку существующих переменных, чтобы признать важность человеческого фактора во всех аспектах маркетинга. Они добавили «процесс», чтобы отразить тот факт, что услуги, в отличие от физических продуктов, воспринимаются как процесс в момент их покупки.
Моделирование маркетингового микса (MMM) — это аналитический подход, который использует историческую информацию для количественной оценки влияния маркетинговых мероприятий на продажи. Примером информации, которую можно использовать, являются синдицированные данные точек продаж (агрегированный набор данных о розничной продаже продуктов по выбранному набору параметров, например, категории продукта или географическому рынку) и внутренние данные компаний. Математически это делается путем установления одновременной связи различных маркетинговых мероприятий с продажами с использованием линейного или нелинейного уравнения регрессии . MMM определяет эффективность каждого из маркетинговых элементов по его вкладу в объем продаж, результативность (объем, генерируемый каждой единицей усилий), эффективность (объем продаж, генерируемый делением на стоимость) и окупаемость инвестиций (ROI) . Эти идеи помогают корректировать маркетинговые тактики и стратегии, оптимизировать маркетинговые расходы и прогнозировать продажи, моделируя различные сценарии. [1]
Вывод может быть использован для анализа влияния маркетинговых элементов на различные измерения. Вклад каждого элемента в процентах от общего числа, нанесенного на график из года в год, является индикатором того, как эффективность различных элементов меняется с течением времени. Ежегодное изменение вклада также измеряется с помощью анализа «из-за», который показывает, какой процент изменения общего объема продаж приходится на каждый из элементов. Для таких видов деятельности, как телевизионная реклама и торговые акции, может быть проведен более сложный анализ, такой как анализ эффективности. Этот анализ сообщает менеджеру по маркетингу о приросте продаж, который может быть получен за счет увеличения соответствующего маркетингового элемента на одну единицу. Если доступна подробная информация о расходах на каждое действие, то можно рассчитать рентабельность инвестиций в маркетинговое действие. Это не только полезно для отчетности об исторической эффективности действия, но и помогает оптимизировать маркетинговый бюджет путем определения наиболее и наименее эффективных маркетинговых действий.
После того, как окончательная модель будет готова, ее результаты можно использовать для моделирования маркетинговых сценариев для анализа «Что если» . Менеджеры по маркетингу могут перераспределять этот маркетинговый бюджет в разных пропорциях и видеть прямое влияние на продажи/стоимость. Они могут оптимизировать бюджет, распределяя расходы на те виды деятельности, которые дают наибольшую отдачу от инвестиций.
MMM основана на статистической модели, в которой объем/стоимость продаж являются зависимой переменной, а независимыми переменными являются различные маркетинговые усилия. [1] Модель разлагает общий объем продаж на два компонента: [6]
Анализы маркетингового микса обычно проводятся с использованием линейного регрессионного моделирования. Нелинейные и запаздывающие эффекты включаются с использованием таких методов, как преобразования рекламных рекламных материалов . Типичный результат таких анализов включает разложение общего годового объема продаж на вклады каждого маркетингового компонента, например, круговую диаграмму вкладов. После создания переменных выполняется несколько итераций для создания модели, которая хорошо объясняет тенденции объема/стоимости. Дальнейшие проверки проводятся либо с использованием данных проверки, либо по последовательности бизнес-результатов.
Другим стандартным результатом является разложение роста и падения продаж по сравнению с прошлым годом («диаграммы обусловленности»).
Разложение объема продаж на базовый (объем, который был бы получен при отсутствии какой-либо маркетинговой активности) и приростной (объем, полученный в результате маркетинговой активности в краткосрочной перспективе) с течением времени позволяет выделить изменение базового объема как индикатора силы бренда и лояльности клиентов.
Моделирование рыночного микса может определить влияние продаж, оказываемое отдельными медиа, такими как телевидение, журналы и онлайн-реклама. В некоторых случаях его можно использовать для определения влияния отдельных рекламных кампаний или даже рекламных исполнений на продажи. Например, для телевизионной рекламной деятельности можно изучить, как каждое рекламное исполнение работало на рынке с точки зрения его влияния на объем продаж. MMM также может предоставить информацию о корреляциях ТВ на разных уровнях веса медиа , измеряемых валовыми рейтинговыми баллами (GRP) по отношению к ответу объема продаж в течение определенного периода времени, будь то неделя или месяц. Также можно получить информацию о минимальном уровне GRP (пороговом пределе) за неделю, который необходимо выпустить в эфир, чтобы оказать влияние, и наоборот, уровне GRP, при котором влияние на объем максимизируется (предел насыщения) и что дальнейшая деятельность не имеет никакой окупаемости. Хотя не все MMM смогут дать окончательные ответы на все вопросы, некоторые дополнительные области, в которых иногда можно получить представление, включают: 1) эффективность 15-секундных исполнений по сравнению с 30-секундными; 2) сравнение эффективности рекламы при показе в прайм-тайм по сравнению с непрайм-таймом; 3) сравнение прямого и ореольного эффекта телевизионной активности по различным продуктам или суббрендам. Роль телевизионной активности, основанной на новых продуктах, и телевизионной активности, основанной на акционерном капитале, в развитии бренда также можно сравнить. GRP преобразуются в охват (т. е. GRP делятся на среднюю частоту , чтобы получить процент людей, фактически смотрящих рекламу). Это лучшая мера для моделирования телевидения.
Торговое продвижение является ключевым видом деятельности в каждом маркетинговом плане. Оно направлено на увеличение продаж в краткосрочной перспективе путем использования схем продвижения, которые эффективно повышают осведомленность клиентов о бизнесе и его продуктах. Реакция потребителей на торговые акции не является прямой и является предметом многочисленных споров. Существуют нелинейные модели для моделирования реакции. Используя MMM, мы можем понять влияние торгового продвижения на создание дополнительных объемов. Можно получить оценку объема, генерируемого за одно мероприятие по продвижению в каждой из различных розничных точек по региону. Таким образом, мы можем определить наиболее и наименее эффективные каналы торговли. Если доступна подробная информация о расходах, мы можем сравнить окупаемость инвестиций различных видов торговой деятельности, таких как ежедневные низкие цены, внеполочная выкладка. Мы можем использовать эту информацию для оптимизации торгового плана, выбрав наиболее эффективные каналы торговли и нацелившись на наиболее эффективную деятельность по продвижению.
Рост цен на бренд негативно влияет на объем продаж. Этот эффект можно уловить с помощью моделирования цены в MMM. Модель обеспечивает ценовую эластичность бренда, которая сообщает нам процентное изменение продаж для каждого процентного изменения цены. Используя это, менеджер по маркетингу может оценить влияние решения об изменении цены.
Для элемента дистрибуции мы можем знать, как объем будет изменяться при изменении усилий по дистрибуции или, другими словами, при каждом процентном сдвиге в ширине или глубине дистрибуции. Это можно определить конкретно для каждого канала и даже для каждого вида торговой точки для продаж на вынос. Ввиду этих идей усилия по дистрибуции могут быть приоритетными для каждого канала или типа магазина, чтобы получить от них максимальную отдачу. Недавнее исследование бренда прачечной показало, что прирост объема за счет увеличения присутствия на 1% в соседнем магазине Kirana на 180% больше, чем за счет увеличения присутствия на 1% в супермаркете. [7] Основываясь на стоимости таких усилий, менеджеры определили правильный канал для инвестирования большего количества средств в дистрибуцию.
Когда запускается новый продукт, связанная с ним реклама и рекламные акции обычно приводят к генерации большего объема, чем ожидалось. Этот дополнительный объем не может быть полностью охвачен в модели с использованием существующих переменных. Часто используются специальные переменные для захвата этого инкрементального эффекта запусков. Совместный вклад этих переменных и маркетинговых усилий, связанных с запуском, даст общий вклад запуска. Различные запуски можно сравнивать, вычисляя их эффективность и рентабельность инвестиций.
Влияние конкуренции на продажи бренда фиксируется путем создания соответствующих переменных конкуренции. Переменные создаются на основе маркетинговой деятельности конкурентов, такой как телевизионная реклама, торговые акции, запуски продуктов и т. д. Результаты модели можно использовать для определения самой большой угрозы продажам собственного бренда со стороны конкуренции. Эластичность перекрестных цен и эластичность перекрестных рекламных акций можно использовать для разработки соответствующего ответа на тактику конкуренции. Успешную конкурентную кампанию можно проанализировать, чтобы извлечь ценный урок для собственного бренда.
Телевидение и вещание: применение MMM может также применяться в вещательных СМИ. Вещатели могут захотеть узнать, что определяет, будет ли спонсироваться конкретный продукт. Это может зависеть от атрибутов ведущего, содержания и времени выхода программы в эфир. Таким образом, они сформируют независимые переменные в нашем стремлении разработать функцию продаваемости программы. Продаваемость программы является функцией атрибутов ведущего, содержания программы и времени выхода программы в эфир.
«Моделирование маркетингового микса» часто используется взаимозаменяемо с «моделированием медиа-микса». Однако, хотя они связаны и схожи в использовании статистической модели, они различаются по фокусу. [8] [9] Моделирование медиа-микса фокусируется на влиянии различных медиа-каналов, используемых маркетинговыми командами, на результаты бизнеса. К таким медиа-каналам относятся телевидение, цифровые и печатные СМИ. Как правило, это платные рекламные усилия. [10] Например, модель медиа-микса может помочь понять и оптимизировать распределение расходов на телевидение для улучшения продаж. Напротив, моделирование маркетингового микса представляет собой более широкий подход, который использует все элементы маркетингового микса, такие как медиа-каналы, продвижение продукции, ценообразование, дистрибуцию, связи с общественностью, спонсорство, купоны и мероприятия в магазине. [10] Этот тип модели может использоваться для принятия обоснованных решений по маркетинговой стратегии.
MMM сопоставимы с другим методом, называемым атрибуцией с несколькими касаниями (MTA) . В отличие от MMM, цель атрибуции с несколькими касаниями заключается в измерении влияния маркетинговых мероприятий на гранулярном уровне, а не в совокупности. Основной вопрос, на который отвечает MTA, заключается в следующем: «Каково ожидаемое изменение склонности к конверсии, которое стало результатом показа (или любой формы взаимодействия с клиентом)?». Напротив, эквивалентные вопросы для MMM — «Какова была окупаемость расходов на рекламу на мобильных устройствах в прошлом году?» и «Каковы будут продажи, если мы переместим 10% бюджетных ассигнований на адресуемое телевидение?» [11]
Некоторые пользователи MMM и MTA утверждают, что они используются для разных целей и могут давать противоречивые результаты. Более того, различия между двумя методологиями могут привести к тому, что компании будут иметь отдельные команды для владения каждым методом измерения. Хотя предпринимаются попытки объединить два метода, это увеличивает сложность планирования и внедрения. [11]
Типичные исследования МММ дают следующие результаты:
Многие компании из списка Fortune 500, в основном занимающиеся производством потребительских товаров (CPG) , такие как P&G, [12] AT&T, Kraft, Coca-Cola, Hershey и Pepsi, сделали MMM неотъемлемой частью своего маркетингового планирования. [1] Это также стало возможным благодаря наличию специализированных фирм, которые теперь предоставляют услуги MMM.
Модели маркетингового микса изначально были более популярны в отрасли товаров повседневного спроса и быстро распространились на розничную торговлю и фармацевтическую промышленность из-за доступности синдицированных данных в этих отраслях. Первопроходцами, использовавшими это в полномасштабном коммерческом приложении, были Marketing Management Analytics (MMA) в 1990 году и Hudson River Group в 1989 году. [ необходима цитата ] Позже компании по обработке данных Nielsen и IRI начали объединять MMM как часть своих стандартных контрактов на данные, что привело к тому, что эти первоначальные компании расширили свое присутствие в других вертикалях.
Наличие данных временных рядов имеет решающее значение для надежного моделирования эффектов маркетингового микса. Систематическое управление данными о клиентах через системы CRM в других отраслях, таких как телекоммуникации, финансовые услуги, автомобилестроение и гостиничный бизнес, помогло распространить их на эти отрасли. Кроме того, доступность данных через сторонние источники, такие как Forrester Research's Ultimate Consumer Panel (финансовые услуги), Polk Insights (автомобилестроение) и Smith Travel Research (гостиничный бизнес), еще больше расширила применение моделирования маркетингового микса в этих отраслях.
Применение моделирования маркетингового комплекса в этих отраслях все еще находится на начальной стадии, и необходимо провести большую стандартизацию, особенно в следующих областях: [ необходима ссылка ]
Распространение моделирования маркетингового комплекса также ускорилось из-за фокуса на разделе 404 закона Сарбейнса-Оксли, который требовал внутреннего контроля для финансовой отчетности по значительным расходам и издержкам. Маркетинг потребительских товаров может превышать десятую часть от общего дохода, и до появления моделей маркетингового комплекса полагались на качественные или «мягкие» подходы для оценки этих расходов. Моделирование маркетингового комплекса представляло собой строгий и последовательный подход к оценке инвестиций в маркетинговый комплекс, как это уже продемонстрировала отрасль товаров повседневного спроса. Исследование Американской ассоциации маркетинга показало, что высшее руководство с большей вероятностью подчеркивало важность маркетинговой ответственности, чем среднее звено управления, что предполагает нисходящее движение к большей ответственности.
Ландшафт маркетинговой аналитики был изменен с появлением байесовского моделирования маркетингового микса (MMM), которое использует вероятностный подход для управления неопределенностью и интеграции исторических данных в текущий анализ. Эта методология контрастирует с традиционными частотными методами, предоставляя маркетологам детальное представление о поведении потребителей и эффективности маркетинговых усилий.
Более широкое принятие байесовских подходов к MMM было значительно ускорено инициативами с открытым исходным кодом. [ необходима цитата ] Среди них следует отметить такие инструменты, как PyMC-Marketing и LightweightMMM. Эти платформы используют такие методы, как преобразования рекламных стоков и моделирование эффектов насыщения, которые помогают оптимизировать маркетинговые бюджеты и стратегии.
Байесовский МММ характеризуется несколькими ключевыми нововведениями:
Байесовский МММ, хотя и становится все популярнее, представляет определенные проблемы, в частности, необходимость глубокого понимания байесовской статистики и вычислительных требований, которые она предъявляет к организациям. Однако открытый исходный код таких инструментов, как PyMC-Marketing, помогает устранить эти барьеры, способствуя созданию поддерживающего сообщества и совместному использованию ресурсов.
Вот еще несколько проблем, которые следует рассмотреть: [13]
Напротив, существуют возможности повышения надежности МММ: [13]
Хотя модели маркетингового микса предоставляют много полезной информации, есть две ключевые области, в которых эти модели имеют ограничения, которые должны учитывать все те, кто использует эти модели для принятия решений. Эти ограничения, которые более подробно обсуждаются ниже, включают:
Что касается предвзятости в отношении мероприятий по наращиванию капитала, маркетинговые бюджеты, оптимизированные с использованием моделей маркетингового комплекса, могут слишком сильно стремиться к эффективности, поскольку модели маркетингового комплекса измеряют только краткосрочные эффекты маркетинга. Долгосрочные эффекты маркетинга отражаются в его капитале бренда. Влияние маркетинговых расходов на [капитал бренда] обычно не отражается моделями маркетингового комплекса. Одна из причин заключается в том, что более длительный период, необходимый маркетингу для воздействия на восприятие бренда, выходит за рамки одновременного или, в лучшем случае, на несколько недель вперед воздействия маркетинга на продажи, которое измеряют эти модели. Другая причина заключается в том, что временные колебания продаж из-за экономических и социальных условий не обязательно означают, что маркетинг был неэффективен в наращивании капитала бренда. Напротив, вполне возможно, что в краткосрочной перспективе продажи и доля рынка могут ухудшиться, но капитал бренда на самом деле может быть выше. Этот более высокий капитал должен в долгосрочной перспективе помочь бренду восстановить продажи и долю рынка.
Поскольку модели маркетингового комплекса предполагают, что маркетинговая тактика оказывает положительное влияние на продажи, это не обязательно означает, что она оказывает положительное влияние на долгосрочный капитал бренда. Различные маркетинговые меры по-разному влияют на краткосрочные и долгосрочные продажи бренда, и корректировка маркетингового портфеля для максимизации либо краткосрочной, либо долгосрочной перспективы будет неоптимальной. Например, краткосрочный положительный эффект акций на потребительскую полезность побуждает потребителей переключаться на продвигаемый бренд, но отрицательное влияние акций на капитал бренда переносится из периода в период. Таким образом, чистый эффект акций на долю рынка и прибыльность бренда может быть отрицательным из-за их отрицательного влияния на бренд. Определение рентабельности инвестиций в маркетинг на основе только моделей маркетингового комплекса может привести к вводящим в заблуждение результатам. Это происходит потому, что маркетинговый комплекс пытается оптимизировать маркетинговый комплекс для увеличения приростного вклада, но маркетинговый комплекс также стимулирует капитал бренда, который не является частью приростной части, измеряемой моделью маркетингового комплекса, — он является частью базовой линии. Истинный « возврат инвестиций в маркетинг » представляет собой сумму краткосрочного и долгосрочного возврата инвестиций. Тот факт, что большинство фирм используют модели маркетингового микса только для измерения краткосрочного возврата инвестиций, можно вывести из статьи Booz Allen Hamilton , в которой говорится о значительном переходе от традиционных медиа к расходам «ниже линии», что обусловлено тем, что расходы на продвижение легче измерить. Но академические исследования показали, что рекламные мероприятия на самом деле наносят ущерб долгосрочному возврату инвестиций в маркетинг (Ataman et al., 2006). Краткосрочные модели маркетингового микса можно комбинировать с моделями капитала бренда, используя данные отслеживания бренда для измерения «возврата инвестиций в бренд» как в краткосрочной, так и в долгосрочной перспективе. Наконец, сам процесс моделирования не должен быть более дорогостоящим, чем полученный прирост прибыльности; т. е. он должен иметь положительный возврат усилий по моделированию (ROME) . [14]
Второе ограничение моделей маркетингового микса вступает в игру, когда рекламодатели пытаются использовать эти модели для определения наилучшего распределения медиа по различным типам медиа. Традиционное использование MMM для сравнения денег, потраченных на ТВ, с деньгами, потраченными на купоны, было относительно обоснованным, поскольку и телевизионная реклама, и появление купонов (например, в FSI, опубликованном в газете) были довольно специфичны по времени. Однако, поскольку использование этих моделей было расширено до сравнений по более широкому диапазону типов медиа, следует проявлять крайнюю осторожность.
Даже в случае с традиционными медиа, такими как реклама в журналах, использование MMM для сравнения результатов в разных медиа может быть проблематичным; в то время как разработчики моделей накладывают модели «типичных» кривых просмотра ежемесячных журналов, им не хватает точности, и, таким образом, вносят дополнительную изменчивость в уравнение. Таким образом, сравнение эффективности показа рекламы на ТВ с эффективностью показа рекламы в журнале будет предвзятым в пользу телевидения с его большей точностью измерения. По мере распространения новых форм медиа эти ограничения становятся еще более важными для рассмотрения, если MMM будут использоваться в попытках количественной оценки их эффективности. Например, спонсорский маркетинг, маркетинг спортивной привязанности, вирусный маркетинг, блог-маркетинг и мобильный маркетинг различаются с точки зрения временной специфичности воздействия.
Кроме того, большинство подходов к моделям маркетингового микса пытаются включить все маркетинговые мероприятия в совокупности на национальном или региональном уровне, но в той степени, в которой различные тактики нацелены на разные демографические группы потребителей, их воздействие может быть потеряно. Например, спонсорство Mountain Dew NASCAR может быть нацелено на фанатов NASCAR, которые могут включать несколько возрастных групп, но реклама Mountain Dew в игровых блогах может быть нацелена на население поколения Y. Обе эти тактики могут быть высокоэффективны в соответствующих демографических группах, но при включении в совокупности в национальную или региональную модель маркетингового микса могут оказаться неэффективными.
Смещение агрегации, наряду с проблемами, связанными с вариациями в специфической для времени природе различных медиа, создают серьезные проблемы, когда эти модели используются способами, выходящими за рамки тех, для которых они изначально были разработаны. Поскольку медиа становятся еще более фрагментированными, крайне важно, чтобы эти проблемы учитывались, если модели маркетингового микса используются для оценки относительной эффективности различных медиа и тактик.
Модели маркетингового микса используют историческую эффективность для оценки эффективности маркетинга и поэтому не являются эффективным инструментом для управления маркетинговыми инвестициями для новых продуктов. Это связано с тем, что относительно короткая история новых продуктов делает результаты маркетингового микса нестабильными. Кроме того, связь между маркетингом и продажами может радикально отличаться в период запуска и стабильности. Например, первоначальная эффективность Coke Zero была действительно плохой и показала низкую эластичность рекламы. Несмотря на это, Coke увеличила свои расходы на медиа, улучшив стратегию и радикально повысив свою эффективность, что привело к эффективности рекламы, которая, вероятно, в несколько раз превышает эффективность в период запуска. Типичная модель маркетингового микса рекомендовала бы сократить расходы на медиа и вместо этого прибегнуть к значительным скидкам на цены.