Professionella tjänster · Marknadsföringsanalys

Mät verklig ROAS med marknadsmixmodeller och Google Meridian

Vet vad varje krona ni lägger på marknadsföring ger tillbaka, med modeller som ert eget team kör.

Vi bygger marknadsmixmodeller (MMM) på era försäljnings- och mediedata – Google Meridian, bayesiansk MMM och regression med adstock och mättnad –, prövar dem med geoexperiment och oberoende kod och driftsätter den bästa i er egen infrastruktur. Modellerna är program i SAS-språket som körs i Jenner, så era analytiker – även ett team som redan gör sin marknadsanalys i SAS – kör och tränar om dem varje kvartal utan fler tjänster från oss.

Uppdrag till fast pris eller på löpande räkning.

Banner för kursen i marknadsmixmodellering: tuschillustration av en man i kostym sedd bakifrån, tillbakalutad i en fåtölj, under rubriken Retail Baselines and Marketing Mix Modelling in Jenner

§1 Erbjudandet

Det här ingår i vår tjänst för marknadsmixmodellering

Mediemixmodellering gjord ordentligt en gång och sedan överlämnad: ert team äger programvaran, de tränade modellerna och flödet som kör dem, utan någon löpande tjänsteprenumeration.

En Jenner Ultimate-licens

Utgåvan med över 200 procedurer och ingen datagräns, för macOS, Windows eller Linux. Den kör program i SAS-språket, även de modeller vi levererar. Ett års nya versioner och support ingår.

  • Varje procedur som modellerna använder, och varje procedur era analytiker behöver härnäst
  • Körs på era datorer och servrar; era data stannar hos er
  • Ett års uppdateringar och support från teamet som bygger Jenner

Tränade marknadsmixmodeller

En uppsättning modeller anpassade till era egna försäljnings-, medie-, pris- och kampanjdata, med den budgetrekommendation de ger underlag för. Ert team kör dem på nya veckor och tränar om dem när marknaden förändras, utan att ringa oss.

  • Responskurvor, ROI och marginell ROI för varje kanal
  • Kör varje vecka eller kvartal; träna om när mixen ändras
  • Körda notebooks som förklarar varje steg på vanlig svenska

Integration och driftsättning

Vi kopplar modellerna till de data ni redan har och kör dem där ni redan kör saker: i ert moln eller på era egna servrar, i er schemaläggare, med resultat som levereras till era BI- och planeringsverktyg.

  • Dataflöden från ert datalager, er datasjö eller platta filer
  • Schemalagda körningar i ert moln eller i egen drift
  • Resultat som tabeller som Python, R och era BI-verktyg läser direkt

§2 Så börjar det

Så arbetar vi: börja med en teknisk genomgång

Vi tittar först på era data och er infrastruktur, så att uppskattningen är en siffra vi kan stå för.

  1. 01 /

    Teknisk genomgång

    Ett arbetsmöte med era marknads-, analys- och datateam: vad ni säljer, vilka kanaler ni köper, vilka data ni har och var de finns.

  2. 02 /

    Uppskattning och plan

    En skriftlig omfattning, tidplan och prissättning för modellerna, integrationen och överlämningen, till fast pris eller på löpande räkning.

  3. 03 /

    Bygga, träna och bevisa

    Vi förbereder data, anpassar modellerna, kontrollerar dem mot oberoende kod och era experiment och stämmer av resultaten med ert team.

  4. 04 /

    Driftsätta och lämna över

    Modellerna går i drift i er infrastruktur, era analytiker kör dem en gång tillsammans med oss, och därefter kör de dem på egen hand.

Uppdragsformer: fast pris eller löpande räkning

§3 Det här får ni se

ROAS och marginell ROAS som era planerare kan använda

Fyra figurer från vår kurs i marknadsmixmodellering, gjorda med samma modeller som vi bygger åt kunder.

FIG. 1 — Responskurvor per kanal

Responskurvor från en marknadsmixmodell, grunden för marginell ROAS per kanal: effekten på logaritmerad försäljning av TV, video, sök och sociala medier mot jämn veckoinsats. Sociala medier mättas snabbt; TV, video och sök stiger och planar ut.

Hur mycket varje kanal tillför när ni satsar mer, och var den slutar löna sig.

Källa: påhittade data i illustrativt syfte

FIG. 2 — Vad som driver intäkterna

Stapeldiagram med titeln ”What moves revenue, MMM 1, dishwasher pods”: intäktsförändring vid en ökning med 1 % av varje faktor, med en linje för den kumulativa andelen. Distribution höjer intäkterna mest; konkurrentpris och pris sänker dem; därefter följer onlinevideo, tv, display och betald sökning med betydligt mindre effekter.

Varje faktor rangordnad efter hur mycket en förändring på 1 % flyttar intäkterna, medier som övriga faktorer.

Källa: påhittade data i illustrativt syfte

FIG. 3 — Ett geotest, rätt tolkat

Stapeldiagram med rubriken TV test, the loss builds up during the pause and runs on after it: verklig förlorad intäkt per vecka, som stiger under åtta testveckor utan TV och sedan klingar av under veckorna efter att TV slagits på igen.

Stäng av TV på några marknader så syns den förlorade försäljningen, och den fortsätter efter att TV kommit tillbaka. Vi mäter båda.

Källa: påhittade data i illustrativt syfte

FIG. 4 — Marknad för marknad

Punktdiagram med titeln ”MMM 3 media coefficients by market, dishwasher pods”: tv-koefficienten är densamma på varje marknad; videons varierar kring ett högre medelvärde; sociala mediers ligger kring noll och sökningens kring ett litet medelvärde.

Vilka kanaler som fungerar likadant överallt och kan planeras nationellt, och vilka som varierar mellan marknader.

Källa: påhittade data i illustrativt syfte

Berätta vad ni säljer och hur ni köper medier

Den tekniska genomgången kräver ett samtal. Ni går därifrån med en omfattning och ett pris.

§4 Det här bygger vi

Marknadsmixmodellerna vi bygger

Vi anpassar flera modellfamiljer – däribland Google Meridian – till era data, testar var och en på samma sätt och driftsätter den som presterar bäst.

M1

Regression med adstock (eftereffekt)

Log-linjär regression med adstock, så att en TV-kampanj fortsätter verka veckorna efter att den sänts, och autoregressiva fel, så att en rad bra veckor inte förväxlas med medieeffekt.

M2

Adstock- och mättnadskurvor

Hill-mättnadskurvor anpassade kanal för kanal ovanpå adstock: avtagande avkastning, och responskurvan som visar var nästa krona gör mest nytta.

M3

Hierarkiska modeller för flera marknader

Marknaderna lånar styrka av varandra, med en medieeffekt för varje marknad, så att ni ser var en kanal arbetar hårdare och var den kan planeras nationellt.

M4

Bayesiansk MMM kalibrerad med geoexperiment

Resultat från geotester går in i modellen som priorer, så att historiken och experimenten enas om ett svar, med ett intervall för varje siffra.

M5

Inkrementalitetstester med geoexperiment

Testdesign och analys: difference-in-differences, syntetisk kontroll och placebokontroller på fiktiva tester, så att en uppmätt effekt kommer med en ärlig felmarginal.

M6

Sökmediering

Hur stor del av effekten från TV och video som kommer via personer som söker efter er, så att sök inte tillskrivs försäljning som andra kanaler skapat.

M7

Google Meridian (bayesiansk MMM med öppen källkod), körd och driftsatt från Jenner

Implementering av Google Meridian utan en separat stack: Googles bayesianska MMM med öppen källkod körs inifrån Jenner och testas på samma villkor som de andra – samma holdout-veckor, samma kalibrering mot experiment, samma budgetoptimering. När den passar era data bäst driftsätter vi den i er infrastruktur som vilken annan modell som helst.

Och analyserna varje plan behöver

  • Grundförsäljning och kampanjeffekt

    Vad ni ändå skulle ha sålt, och hur mycket varje kampanj lade till ovanpå.

  • ROAS och marginell ROAS

    Vad varje kanal gav i genomsnitt, och vad nästa krona skulle ge.

  • Responskurvor

    Insats mot avkastning för varje kanal, med den punkt där den mättas.

  • Budgetoptimering

    Den bästa fördelningen av samma budget, inom de gränser era planerare sätter för varje kanal.

  • Vad som driver intäkterna

    Pris, distribution, konkurrenter, väder och medier, rangordnade efter hur mycket var och en påverkar resultatet.

§5 Google Meridian

Google Meridian, implementerad och driftsatt

Google Meridian är Googles bayesianska marknadsmixmodell med öppen källkod. Vi kör den inifrån Jenner, kalibrerar den med era geoexperiment och testar den på samma holdout-veckor och med samma budgetoptimering som alla andra modeller vi anpassar.

När Meridian är den bästa modellen för era data driftsätter vi den i er infrastruktur, med samma schema och samma överlämning som alla andra: era analytiker kör och tränar om den själva.

§6 Därför kan ni försvara den

ROAS som ni kan försvara

Innan en ROAS-siffra når era planerare har den kontrollerats på tre sätt.

Korskontrollerad i Python och R

Varje modell anpassas på nytt med oberoende implementationer i Python och R, och koefficienterna måste stämma överens.

Testad på simulerade data

Vi kör varje modell på simulerade data där det rätta svaret är känt och visar att den hittar det svaret innan den rör era data.

Kalibrerad mot experiment

Där ni har geotester kalibreras modellerna med dem; där ni inte har det designar vi testet som avgör frågan.

§7 Det här lämnar vi över

Allt era analytiker behöver för att fortsätta

  1. 01

    Körda notebooks

    Jupyter-notebooks som era analytiker kan läsa från början till slut och köra igen, med varje steg förklarat på vanlig svenska.

  2. 02

    Dokumenterad kod

    Varje program bakom modellerna, kommenterat och organiserat så att ert team kan ändra det.

  3. 03

    De tränade modellerna

    Anpassade till era data, med de inställningar och kontroller som behövs för att träna om dem på nya veckor.

  4. 04

    En budgetrekommendation

    Vart pengarna ska flyttas härnäst, per kanal, med förväntad avkastning.

  5. 05

    Videogenomgång (tillval)

    En inspelad visning av modellerna och notebooks för alla som ansluter till teamet senare.

Vanliga frågor

Marknadsmixmodellen skiljer intäkterna som varje kanal genererade från pris, kampanjer, distribution, säsong och de övriga kanalerna; delar man de intäkterna med kanalens kostnad får man dess ROAS. Där ni har geoexperiment kalibrerar de modellen, så att siffran vilar på uppmätt lyft och inte bara på korrelation. Den tekniska genomgången visar vad era data kan bära.

Genomsnittlig ROAS är vad en kanal gav tillbaka på allt ni lade; marginell ROAS är vad nästa krona skulle ge, avläst på kanalens responskurva. Kanaler mättas, så en kanal med hög genomsnittlig ROAS kan ha låg marginell ROAS, och flyttar man budget efter genomsnittlig ROAS hamnar pengarna på fel ställe. Våra budgetrekommendationer bygger på marginell ROAS.

Inkrementell ROAS är de intäkter en kanal faktiskt orsakar, mätt genom att stänga av eller dra ner kanalen i en grupp testmarknader och jämföra dem med kontrollmarknader. Ett test mäter bara sina egna veckor, så för kanaler vars effekt dröjer kvar, som TV, underskattar ett kort test den fulla avkastningen; vi tar hänsyn till den eftereffekten när vi använder resultatet. Vi kan utforma ert nästa test som en del av uppdraget.

Google Meridian är Googles ramverk med öppen källkod för bayesiansk marknadsmixmodellering. Det skattar varje kanals effekt med adstock och mättnad, kan kalibreras med experimentresultat och har en inbyggd budgetoptimerare. Vi implementerar det som en av de modeller vi anpassar åt er.

Ja. Vi kör Meridian inifrån Jenner, kalibrerar det med era experiment och driftsätter det i er miljö enligt ert schema. Efter överlämningen kör och tränar ert team om det på egen hand.

Ja. Experimentresultaten går in i Meridian som ROI-priors för de kanaler som testades. Har ni inga tester ännu utformar och analyserar vi geoexperimenten som en del av uppdraget.

Vi anpassar flera modellfamiljer till samma data och testar var och en på samma sätt: träffsäkerhet på undanhållna veckor, överensstämmelse med era experiment och återskapandetester på simulerade data där det sanna svaret är känt. Vi driftsätter den som presterar bäst på era data, vilken det än är. Vi implementerar Google Meridian; Robyn erbjuder vi inte.

Jenner kör SAS-program – DATA-steg, procedurer och makron – så er befintliga SAS-kod kan fortsätta köras vid sidan av de nya modellerna. Modellerna vi levererar är själva program i SAS-språket, i Jupyter-notebooks som ert team läser, kör om och ändrar i Jenner. Den tekniska genomgången kontrollerar era program mot vad Jenner stöder.

Ni äger dem. Ert team kör och tränar om modellerna med er egen Jenner-licens, utan någon löpande serviceavgift. Ni hör av er när ni vill få mer gjort, inte för att modellerna behöver oss.

Båda går. Efter den tekniska genomgången ger vi er en skriftlig uppskattning, som ett fast pris för en överenskommen omfattning eller på löpande räkning; hur lång tid uppdraget tar uppskattas i samma genomgång. Jenner Ultimate-licensen prissätts enligt vår prissida.

Redo att veta vad era medier ger tillbaka?

Börja med en teknisk genomgång. Vi tittar på era data och era system och återkommer med en omfattning och ett pris.

Begär en teknisk genomgångSe Jenners priser →

Uppdrag till fast pris eller på löpande räkning.

Begär en teknisk genomgång

Berätta vad ni säljer, vilka kanaler ni köper, vilka data ni har och var de finns. Vi återkommer för att boka genomgången.