マーケティング ミックス モデリングの準備: 知っておくべきこと

UTM タグ付けに注意していても、Google Analytics アカウントで「未割り当て」トラフィックと「直接」トラフィックが増えていませんか? データプライバシー規制により、Web サイトにアクセスするユーザーが保護されるためです。

データプライバシー規制が強化されるにつれ、アトリビューションモデルの正確さと価値を維持するのが難しくなる可能性があります。 多くはアトリビューション モデリングに Google アナリティクス 4 を使用していますが、GDPR には準拠していません。 このため、Google Analytics のようなアトリビューション モデルの効果は低くなります。 どのチャンネルが動作しているのかを正確に示すことはできません。 ここでマーケティング ミックス モデリングが登場します。

この記事では、今日マーケティング ミックス モデリングの関連性が高まっていること、アトリビューション モデリングとの違い、および戦略的フレームワーク内でマーケティング ミックス モデリングを効果的に活用する方法について説明します。

アトリビューション モデリングとマーケティング ミックス モデリングの比較

アトリビューション モデリングとマーケティング ミックス モデリングは、さまざまなマーケティング活動がビジネスの成果に与える影響を理解するためにマーケティング分析で使用される 2 つの異なるアプローチです。 どちらもマーケティング活動の有効性についての洞察を提供することを目的としていますが、方法論、範囲、用途が異なります。

アトリビューションモデリング。 コンバージョンのクレジットを割り当てる方法を決定する一連のルール。 これらのモデルは、コンバージョン パスでデジタル タッチポイントを使用します。 たとえば、ラスト タッチ モデルでは、コンバージョン直前の最後のタッチポイントに 100% のクレジットが割り当てられます。 いくつか例を挙げると、ファーストタッチ、時間減衰、線形、データ駆動型のモデルもあります。

マーケティング ミックス モデリング。 マーケティング担当者がマーケティングおよび広告キャンペーンの影響を測定するのに役立つ分析手法。 さまざまな変数が目標にどのように寄与するかを確認できます。 多くの場合、目標は収益、コンバージョン、フォーム入力、購読などです。

簡単に言えば：

• アトリビューション モデルは、特定のアクションを実行したユーザーに対して、どの販売またはマーケティング活動が評価されるかを示します。 マーケティングでは、どのアクションが特定のコンバージョンを引き起こしたかを確認するためにアトリビューション レポートをよく使用します。 たとえば、電子メールを開いたことがフォームへの入力につながったかどうかを知ることができます。
• マーケティング ミックス モデルは大規模な回帰モデルです。 回帰モデルは、変数間の関係を理解し​​ようとします。 この例としては、天候パターンと収益が挙げられます。 どのようなアクションがコンバージョンにつながるかを理解しようとすることはできますが、マーケティング ミックス モデルを使用すると、より多くのデータを導入できます。 分析により、変数間の関係がわかります。 天気が良いと実店舗を訪れる人が増え、売上の増加につながります。

どちらもマーケティングを理解する上で貴重です。 機械学習とコーディングを使用して実行することもできます。

今日のマーケティング ミックス モデリングへのアプローチ方法

エラーを回避するには、これらの複雑なモデルを使用する前に分析を整理してください。 たとえば、私は最近いくつかの月次レポートを作成していました。 私たちは、私たち自身とクライアントのためにアトリビューションレポートを実行しています。 私はデータをよく知っているので、不正確と思われる部分にフラグを立てました。

2 時間かけて調査したところ、Web サイトのデータと Google Analytics の間に大きな違いがあることがわかりました。 より具体的には、データ API と Google Analytics インターフェースの間に不一致がありました。

メトリクスがどうあるべきかはわかっていますが、どのデータ ソースも一致しません。 問題は、アトリビューション モデルのデータセットが 1 つに制限されていることです。 代わりにマーケティング ミックス モデルを使用すれば、何が機能しているかを示すデータを他のシステムから収集できるため、問題のあるデータを無視できます。

分析に入る前に、棚卸しを行う必要があります。 この例は、マーケティング ミックス モデルを使用する前に、要件を収集し、適切なデータ ガバナンスを確立する必要がある理由を示しています。 データから何が分かるのかを適切に把握できていない場合、複雑な分析は役に立ちません。

私たちが取り組んでいることを理解するために、「5 P」フレームワークを使用して次のことを決定できます。

• 目的。
• 人々。
• プロセス。
• プラットホーム。
• パフォーマンス。

目的

ここで、マーケティング ミックス モデルを実行する理由を説明します。 考えを整理する最良の方法は、ユーザー ストーリーを使用することです。

「[ペルソナ]として、私は[したい]ので、[それ]。」

ユーザー ストーリーでは、他の P が何であるかを説明します。

• 【ペルソナ】は人々を伝えます。
• [Want to]はプロセスとプラットフォームを示します。
• [それが]パフォーマンスを物語ります。

私のものは次のようになります:

• CEO として、予算とリソースに優先順位を付けるために、デジタル マーケティングの取り組みのどれが売上につながっているのかを理解したいと考えています。

この声明には多くの情報が含まれています。 どんどん分解していきましょう。

人々

私はデータを理解したいと述べたので、私が最初の関係者です。 データの収集と分析については私だけが責任を負うわけではないことを知っているので、アナリストの関与が必要になると想定できます。 販売データを取得するには、ビジネス開発リソースも必要です。

プロセス

私の目的は、デジタル マーケティングの取り組みと売上を理解することであると述べました。 プロセスに関して言えば、このステートメントは、いくつかのことを行う必要があることを示しています。 データがどのように収集されるのか、頻度、形式を知る必要があります。 ここでは、データ収集プロセスがマーケティング ミックス モデルの実行の妨げにならないように、データ ガバナンスを導入する必要があります。

(次のステップで) データを抽出する必要があるシステムを特定したら、プロセスに戻って、必要なデータをエクスポートできることを確認します。 それができない場合は、新しいプロセスを開発して全体計画に組み込む必要があります。 また、さまざまなソースからのデータを分析するために、抽出されたデータをクリーンアップして正規化するプロセスを作成する必要もあります。

もし私が利害関係者からユーザーストーリーを聞いていたら、おそらく押し返して、より具体的な期間を尋ねるでしょう。 プロセスとプラットフォームの間で、ほとんどの時間を費やす可能性が高いのはこの部分です。

マーケティング ミックス モデルを使用して、さまざまなソースからのデータを分析できます。 これらのソースは同じ形式ではない場合があるため、分析のためにそれらを結合するプロセスを作成する必要があります。 さまざまなプラットフォームからより多くのデータを使用したい場合、特にマーケティング ミックス モデルを繰り返し実行したい場合には、より多くのプロセスを開発する必要があります。

プラットホーム

再び声明の途中で、私の目的はデジタル マーケティングの取り組みと売上を理解することであると述べました。 これにより、販売データを理解したいためにどのプラットフォームからデータを抽出する必要があるかがわかります。CRM または会計ソフトウェアのいずれかになります。

また、デジタル マーケティングの取り組みについても理解したいと考えています。 これは、まずデジタル マーケティング戦術をすべて理解し、次にどのプラットフォームに抽出できるデータがあるかを把握する必要があることを意味します。 たとえば、LinkedIn はデータ抽出にケチなので、それが私にとって重要なチャネルである場合は問題になる可能性があります。 6 個のプラットフォームからのデータが簡単に収集されてしまう可能性があります。 一方、アトリビューション モデルの場合、通常は 1 つまたは 2 つのソースからのデータのみが存在します。

よく考えられたユーザーストーリーがあれば、すべてのシステムからデータを収集するのに圧倒されることはありません。 私のユーザーストーリーには「デジタルマーケティングへの取り組み」と書かれています。 多数のキャンペーンや戦術がある場合は、いくつかのチャネルまたはより短い期間に焦点を当てると、処理が容易になります。

パフォーマンス

これがユーザー ストーリーの最後の部分です。 測定可能な成果を伴うユーザー ストーリーを作成していない場合は、もう一度試してください。 私のユーザーストーリーの中で、リソースと予算に優先順位を付けられるようにしたいと述べました。 まあ、それは良い結果ではありません。 それは真実かもしれませんが、それは非常に測定可能なものではありません。 優先的にそれを実行したことをどうやって知ることができますか?

ユーザーストーリーに戻って、より正確に書き直すことをお勧めします。 別のバージョンでは、「効果のないチャネルへの支出を減らし、成功する戦略への支出を増やす」とも言えます。

「人」、「プロセス」、「プラットフォーム」を特定の順序で実行する必要はありません。 あなたはプロセスや人々に情報を提供するプラットフォームを知っているかもしれません。 ただし、これらの P をスキップしないでください。 要件の収集とデータの管理を怠ると、コストのかかるミスやリソースの無駄が発生する可能性があります。

最初の監査を振り返ると、マーケティング ミックス モデルの実行を検討する前に、やるべきことがたくさんあることがわかりました。 多くのチームは、コードと機械学習を使用してマーケティング ミックス モデルを実行します。 コードを開始する前に計画を立てておくと、実行がより効率的になります。 データの問題を修正する代わりに、微調整とアクション プランの作成に時間を費やすことができます。

良いニュースは、それをより小さく、より制御しやすい部分に分割できることです。 データを抽出してマーケティング ミックス モデルを再実行するための反復可能なプロセスを作成できます。 このルートを選択すると、事前の開発に時間がかかることになります。 ただし、分析を再実行する必要がある場合は、このプロセスの方がはるかに効率的になります。

マーケティング ミックス モデリングを採用して包括的な洞察を得る

マーケティング ミックス モデルは、分析ポートフォリオの非常に強力な部分となり得ます。 データ プロジェクトに取り組むときは、成功に向けて準備を整えることが重要です。 要件の収集とガバナンスは誰もが迅速に進めたい部分ですが、ここで近道をすることは価値がありません。 事前に時間をかけて計画を立ててください。 分析はより価値があり、実用的なものになります。

さらに詳しく:マーケティング アトリビューションおよびパフォーマンス管理プラットフォームとは何ですか?