Professionelle tjenester · Marketinganalyse

Mål den reelle ROAS med marketing mix-modeller og Google Meridian

Se, hvad hver krone, I bruger på marketing, giver igen, med modeller, som jeres eget team kører.

Vi bygger marketing mix-modeller (MMM) på jeres salgs- og mediedata – Google Meridian, bayesiansk MMM og regression med adstock og mætning –, afprøver dem med geoeksperimenter og uafhængig kode og implementerer den bedste i jeres egen infrastruktur. Modellerne er programmer i SAS-sproget, der kører i Jenner, så jeres analytikere – også et team, der allerede laver sin marketinganalyse i SAS – kører og gentræner dem hvert kvartal uden yderligere ydelser fra os.

Opgaver til fast pris eller efter medgået tid.

Banner for kurset i marketing mix-modellering: tuschillustration af en mand i jakkesæt set bagfra, tilbagelænet i en lænestol, under titlen Retail Baselines and Marketing Mix Modelling in Jenner

§1 Tilbuddet

Det indeholder vores ydelse inden for marketing mix-modellering

Media mix-modellering gjort ordentligt én gang og derefter overdraget: jeres team ejer softwaren, de trænede modeller og det flow, der kører dem, uden noget løbende serviceabonnement.

En Jenner Ultimate-licens

Udgaven med over 200 procedurer og ingen datagrænse, til macOS, Windows eller Linux. Den kører programmer i SAS-sproget, herunder de modeller, vi leverer. Et års nye versioner og support er inkluderet.

  • Hver procedure, modellerne bruger, og hver procedure, jeres analytikere får brug for næste gang
  • Kører på jeres maskiner og servere; jeres data bliver hos jer
  • Et års opdateringer og support fra det team, der bygger Jenner

Trænede marketing mix-modeller

Et sæt modeller tilpasset jeres egne salgs-, medie-, pris- og kampagnedata, med den budgetanbefaling, de understøtter. Jeres team kører dem på nye uger og gentræner dem, når markedet ændrer sig, uden at ringe til os.

  • Responskurver, ROI og marginal ROI for hver kanal
  • Kør hver uge eller hvert kvartal; gentræn, når mixet ændrer sig
  • Kørte notebooks, der forklarer hvert trin i et klart sprog

Integration og implementering

Vi kobler modellerne til de data, I allerede har, og kører dem der, hvor I allerede kører ting: i jeres cloud eller på jeres egne servere, i jeres planlægger, med resultater leveret til jeres BI- og planlægningsværktøjer.

  • Dataleverancer fra jeres datavarehus, data lake eller flade filer
  • Planlagte kørsler i jeres cloud eller on-premises
  • Resultater som tabeller, som Python, R og jeres BI-værktøjer læser direkte

§2 Sådan starter det

Sådan arbejder vi: start med en teknisk gennemgang

Vi ser først på jeres data og jeres infrastruktur, så estimatet er et tal, vi kan stå inde for.

  1. 01 /

    Teknisk gennemgang

    En arbejdssession med jeres marketing-, analyse- og datateams: hvad I sælger, hvilke kanaler I køber, hvilke data I har, og hvor de ligger.

  2. 02 /

    Estimat og plan

    Et skriftligt omfang, en tidsplan og en pris for modellerne, integrationen og overdragelsen, som fast pris eller efter medgået tid.

  3. 03 /

    Byg, træn og bevis

    Vi klargør data, tilpasser modellerne, kontrollerer dem mod uafhængig kode og jeres eksperimenter og afstemmer resultaterne med jeres team.

  4. 04 /

    Implementér og overdrag

    Modellerne går i drift i jeres infrastruktur, jeres analytikere kører dem én gang sammen med os, og derefter kører de dem selv.

Samarbejdsformer: fast pris eller medgået tid

Fast pris

Én pris for et aftalt omfang. Det rigtige valg, når data er i god stand, og leverancerne er klare.

En opgave til fast pris →

Medgået tid

Faktureres for det udførte arbejde. Det rigtige valg, når data først skal have en hånd, eller når I vil undersøge mulighederne, før I forpligter jer.

En opgave efter medgået tid →

§3 Det får I at se

ROAS og marginal ROAS, som jeres planlæggere kan bruge

Fire figurer fra vores kursus i marketing mix-modellering, lavet med de samme modeller, som vi bygger til kunder.

FIG. 1 — Responskurver pr. kanal

Responskurver fra en marketing mix-model, grundlaget for marginal ROAS pr. kanal: effekten på logaritmisk salg af TV, video, søgning og sociale medier mod en jævn ugentlig indsats. Sociale medier mættes hurtigt; TV, video og søgning stiger og flader ud.

Hvor meget hver kanal tilfører, når I bruger mere, og hvor den holder op med at betale sig.

Kilde: opdigtede data til illustration

FIG. 2 — Hvad der flytter omsætningen

Søjlediagram med titlen “What moves revenue, MMM 1, dishwasher pods”: omsætningsændring ved en stigning på 1 % i hver faktor, med en linje for den kumulerede andel. Distribution øger omsætningen mest; konkurrentpris og pris sænker den; derefter følger onlinevideo, tv, display og betalt søgning med langt mindre effekter.

Hver faktor rangeret efter, hvor meget en ændring på 1 % flytter omsætningen, både medier og øvrige faktorer.

Kilde: opdigtede data til illustration

FIG. 3 — En geotest, læst korrekt

Søjlediagram med titlen TV test, the loss builds up during the pause and runs on after it: reel tabt omsætning pr. uge, der stiger gennem otte testuger uden TV og derefter aftager i ugerne, efter at TV er slået til igen.

Slå TV fra på nogle få markeder, og det tabte salg viser sig, og det fortsætter, efter at TV er tilbage. Vi måler begge dele.

Kilde: opdigtede data til illustration

FIG. 4 — Marked for marked

Punktdiagram med titlen “MMM 3 media coefficients by market, dishwasher pods”: tv-koefficienten er den samme på alle markeder; videos varierer omkring et højere gennemsnit; sociale mediers ligger omkring nul og søgningens omkring et lille gennemsnit.

Hvilke kanaler der virker ens overalt og kan planlægges nationalt, og hvilke der varierer fra marked til marked.

Kilde: opdigtede data til illustration

Fortæl os, hvad I sælger, og hvordan I køber medier

Den tekniske gennemgang kræver én samtale. I går derfra med et omfang og en pris.

§4 Det bygger vi

De marketing mix-modeller, vi bygger

Vi tilpasser flere modelfamilier – herunder Google Meridian – til jeres data, tester hver af dem på samme måde og implementerer den, der klarer sig bedst.

M1

Regression med adstock (eftervirkning)

Log-lineær regression med adstock, så en TV-kampagne fortsætter med at virke i ugerne efter, at den er sendt, og autoregressive fejl, så en række gode uger ikke forveksles med medieeffekt.

M2

Adstock- og mætningskurver

Hill-mætningskurver tilpasset kanal for kanal oven på adstock: aftagende afkast og responskurven, der viser, hvor den næste krone gør mest gavn.

M3

Hierarkiske modeller for flere markeder

Markederne låner styrke fra hinanden, med en medieeffekt for hvert marked, så I kan se, hvor en kanal arbejder hårdere, og hvor den kan planlægges nationalt.

M4

Bayesiansk MMM kalibreret med geoeksperimenter

Resultater fra geotests indgår i modellen som priors, så historikken og eksperimenterne er enige om ét svar, med et interval for hvert tal.

M5

Inkrementalitetstest med geoeksperimenter

Testdesign og analyse: difference-in-differences, syntetisk kontrol og placebotjek på fiktive tests, så en målt effekt kommer med en ærlig fejlmargin.

M6

Søgemediering

Hvor meget af effekten fra TV og video der kommer via folk, der søger efter jer, så søgning ikke krediteres for salg, som de andre kanaler har skabt.

M7

Google Meridian (bayesiansk MMM med åben kildekode), kørt og implementeret fra Jenner

Implementering af Google Meridian uden en separat stak: Googles bayesianske MMM med åben kildekode kører inde fra Jenner og testes på lige fod med de andre – de samme holdout-uger, den samme kalibrering mod eksperimenter, den samme budgetoptimering. Når den passer bedst til jeres data, implementerer vi den i jeres infrastruktur som enhver anden.

Og de analyser, enhver plan har brug for

  • Basissalg og kampagneløft

    Hvad I ville have solgt alligevel, og hvor meget hver kampagne lagde oveni.

  • ROAS og marginal ROAS

    Hvad hver kanal gav i gennemsnit, og hvad den næste krone ville give.

  • Responskurver

    Forbrug over for afkast for hver kanal, med det punkt, hvor den mættes.

  • Budgetoptimering

    Den bedste fordeling af det samme budget, inden for de grænser, jeres planlæggere sætter for hver kanal.

  • Hvad der flytter omsætningen

    Pris, distribution, konkurrenter, vejr og medier, rangeret efter hvor meget hver enkelt flytter resultatet.

§5 Google Meridian

Google Meridian, implementeret og idriftsat

Google Meridian er Googles bayesianske marketing mix-model med åben kildekode. Vi kører den inde fra Jenner, kalibrerer den med jeres geoeksperimenter og tester den på de samme holdout-uger og med den samme budgetoptimering som alle andre modeller, vi tilpasser.

Når Meridian er den bedste model til jeres data, implementerer vi den i jeres infrastruktur med samme kørselsplan og samme overdragelse som alle andre: jeres analytikere kører og gentræner den selv.

§6 Derfor kan I forsvare den

ROAS, I kan forsvare

Før et ROAS-tal når jeres planlæggere, er det kontrolleret på tre måder.

Krydstjekket i Python og R

Hver model tilpasses igen med uafhængige implementeringer i Python og R, og koefficienterne skal stemme overens.

Testet på simulerede data

Vi kører hver model på simulerede data, hvor det rigtige svar er kendt, og viser, at den finder det svar, før den rører jeres data.

Kalibreret mod eksperimenter

Hvor I har geotests, kalibreres modellerne med dem; hvor I ikke har, designer vi den test, der afgør spørgsmålet.

§7 Det overdrager vi

Alt, hvad jeres analytikere skal bruge for at fortsætte

  1. 01

    Kørte notebooks

    Jupyter-notebooks, som jeres analytikere kan læse fra start til slut og køre igen, med hvert trin forklaret i et klart sprog.

  2. 02

    Dokumenteret kode

    Hvert program bag modellerne, kommenteret og organiseret, så jeres team kan ændre det.

  3. 03

    De trænede modeller

    Tilpasset jeres data, med de indstillinger og kontroller, der skal til for at gentræne dem på nye uger.

  4. 04

    En budgetanbefaling

    Hvor pengene skal flyttes hen næste gang, pr. kanal, med det forventede afkast.

  5. 05

    Videogennemgang (valgfri)

    En optaget gennemgang af modellerne og notebooks til alle, der kommer med i teamet senere.

Ofte stillede spørgsmål

Marketing mix-modellen adskiller den omsætning, hver kanal skabte, fra pris, kampagner, distribution, sæsonudsving og de øvrige kanaler; den omsætning divideret med kanalens forbrug giver dens ROAS. Hvor I har geoeksperimenter, kalibrerer de modellen, så tallet hviler på målt løft og ikke alene på korrelation. Den tekniske gennemgang viser, hvad jeres data kan bære.

Gennemsnitlig ROAS er, hvad en kanal gav igen på alt, hvad I brugte; marginal ROAS er, hvad den næste krone ville give, aflæst på kanalens responskurve. Kanaler mættes, så en kanal med høj gennemsnitlig ROAS kan have en lav marginal ROAS, og flytter man budget efter gennemsnitlig ROAS, havner pengene det forkerte sted. Vores budgetanbefalinger bygger på marginal ROAS.

Inkrementel ROAS er den omsætning, en kanal faktisk forårsager, målt ved at slukke for kanalen eller skrue ned for den i en gruppe testmarkeder og sammenligne dem med kontrolmarkeder. En test måler kun sine egne uger, så for kanaler, hvis effekt varer ved, som TV, undervurderer en kort test det fulde afkast; vi tager højde for den eftervirkning, når vi bruger resultatet. Vi kan designe jeres næste test som en del af opgaven.

Google Meridian er Googles open source-framework til bayesiansk marketing mix-modellering. Det estimerer hver kanals effekt med adstock og mætning, kan kalibreres med eksperimentresultater og har en indbygget budgetoptimering. Vi implementerer det som en af de modeller, vi tilpasser for jer.

Ja. Vi kører Meridian inde fra Jenner, kalibrerer det med jeres eksperimenter og idriftsætter det i jeres miljø efter jeres tidsplan. Efter overdragelsen kører og gentræner jeres team det selv.

Ja. Eksperimentresultater indgår i Meridian som ROI-priors for de kanaler, der blev testet. Har I endnu ingen tests, designer og analyserer vi geoeksperimenterne som en del af opgaven.

Vi tilpasser flere modelfamilier til de samme data og tester hver af dem på samme måde: præcision på tilbageholdte uger, overensstemmelse med jeres eksperimenter og genfindingstests på simulerede data, hvor det sande svar er kendt. Vi implementerer den, der klarer sig bedst på jeres data, uanset hvilken det er. Vi implementerer Google Meridian; Robyn tilbyder vi ikke.

Jenner kører SAS-programmer – DATA-steps, procedurer og makroer – så jeres eksisterende SAS-kode kan blive ved med at køre ved siden af de nye modeller. De modeller, vi leverer, er selv programmer i SAS-sproget i Jupyter-notebooks, som jeres team læser, kører igen og ændrer i Jenner. Den tekniske gennemgang kontrollerer jeres programmer op mod det, Jenner understøtter.

I ejer dem. Jeres team kører og gentræner modellerne på jeres egen Jenner-licens uden løbende servicegebyr. I kontakter os, når I vil have mere arbejde udført, ikke fordi modellerne har brug for os.

Begge dele. Efter den tekniske gennemgang giver vi jer et skriftligt estimat, som en fast pris for et aftalt omfang eller efter medgået tid; hvor lang tid opgaven tager, estimeres i samme gennemgang. Jenner Ultimate-licensen prissættes som på vores prisside.

Klar til at vide, hvad jeres medier giver igen?

Start med en teknisk gennemgang. Vi ser på jeres data og jeres systemer og vender tilbage med et omfang og en pris.

Bestil en teknisk gennemgangSe Jenners priser →

Opgaver til fast pris eller efter medgået tid.

Bestil en teknisk gennemgang

Fortæl os, hvad I sælger, hvilke kanaler I køber, hvilke data I har, og hvor de ligger. Vi vender tilbage for at aftale gennemgangen.