תוכן, אירועים ועזרה לסטארטאפים בזמן מלחמה​
כניסה

איך אפשר למדוד ביצועי מרקטינג באמצעות MMM

רותם בלינדר
רותם בלינדר Marketing Science Partner, Meta
3 דקות קריאה

שמי רותם, עובדת ב-Meta בישראל מזה כבר שנתיים וחצי. שמחה מאוד לשתף פה באחת ההצלחות הגדולות שלנו בעבודה עם סטארטאפים בארץ בשנה וחצי האחרונות:

פתרון של מודל Mix Marketing Modeling (MMM) למדידת ביצועי הפרסום השיווקי, תוך שמירה על פרטיות המשתמשים.

כפי שכנראה מוכר לרובכם, תעשיית השיווק שלנו כיום נסמכת על מודלי אטריוביושן על מנת לקבל החלטות בעולמות המרקטינג / שיווק. השוק הישראלי ידוע בהיותו data driven, והצורך לקבל החלטות על סמך נתונים הוא בסיס יום יומי לאופן שבו צוותי השיווק עובדים וחושבים.

בעידן של היום השוק חווה עלייה גדולה בפוקוס על נושא הפרטיות באקוסיסטם שלנו. ​​לאורך השנים קמו רגולציות ממשלתיות וגופים פרטיים שמגבילים את הגישה של מפרסמים לדאטה בתצורות מסוימות. נראה שהעתיד הולך לכיוון הזה, ואנחנו מבינים שעוד יהיו שינויים שישפיעו על אופן המדידה שלנו ומודלי האטריביושן שלנו.

כתוצאה מכך, אנו מאמינים שצריך להתחיל לחשוב אחרת על האופן שבו אנחנו מודדים את ביצועי המרקטינג ולהתחיל להתרגל למדידת ביצועים בשיטות שהן "עמידות לסיגנלים" או באנגלית signal resilient.

אז מה זה מודל MMM- Marketing Mix Modeling? 

ניתוח סטטיסטי ידידותי לפרטיות, בעל גמישות גבוהה, מונחה נתונים, המכמת את השפעת המכירות המצטברת והחזר ה-ROI של פעילויות שיווקיות ולא שיווקיות.

למעשה מודל MMM עוזר בשימוש data driven לקבל הבנה של איזה מפעילויות המרקטינג עובדת טוב וכמה, בעוד שמודל כזה שומר על פרטיות ואינו משתמש ב- user level data.

איך מודל MMM עובד? 

כאמור, מדובר בפתרון שמסתמך על מודלים סטטיסטי ומודלי machine learning. בכל מודל יש input של הדאטה, קופסה שחורה שעושה פעולות שונות, הנתונים שהכנסנו מעובדים, מופעלות פונקציות מתמטיות ומתקבל output שמראה לנו את ה ROI שמיוחס לכל פעילות שיווקית, ועוד אינסייטים מעניינים מאוד כמו עקומת התמורה השולית הפוחתת לכל ערוץ שיווקי.

הפתרון נהיה פופולרי מאוד בקרב חברות סטארט-אפ, כיוון שבשנים האחרונות הוא עבר הרבה התאמות לחברות digital native, ואנחנו הוצאנו open source בשם 'Robyn', בו אתם יכולים לממש את הפתרון הזה בקלות רבה.

איך המודל עובד בלי גישה למידע של היוזרים? 

בגדול המודל העיקרי הוא רגרסיה - ridge regression, ובנוסף אליו יש עוד מודלי machine learning.

הדאטה שמכניסים למודל (בשימוש הקלאסי שלו) כולל הוצאות יומיות או שבועיות עבור הצ׳אנלים השונים (ערוצי השיווק השונים שלכם כמו Google Search, TikTok, YouTube ועוד) ואת המדד אותו תרצה למדוד (למשל sales) ברמה יומית או שבועית.

המודל/ים מאחורי הקלעים מנסים לשייך את המדד שלך, במקרה הזה sales, לכל ערוץ שיווקי ועוד אאוטפוטים מעניינים כמו עקומת התמורה השולית הפוחתת לכל ערוץ.

לכן, בסוג כזה של פתרון אין כלל מידע על יוזרים, אלא דאטה אגרגטיבי.

תוכלו למצוא לינק לקהילה עם משתמשים שמשתפים בתובנות שלהם בנושא כאן.

-------------

iconתשאלו אותנו הכל
icon
המייל נשלח!
נותרו: 0 מיילים לחודש. מתחדש ב-1 לחודש
סגור
icon
הפגישה נקבעה!
נותרו: 0 פגישות לחודש. מתחדש ב-1 לחודש
סגור
סגור
icon
הבקשה שלך התקבלה, תודה :)
אנחנו עוברים על כל הפרטים, ובקרוב ניצור איתך קשר בנוגע לשולחן העגול.
סגור
icon
קיבלנו את בקשתך לפתיחת שולחן עגול!
נעבור על הבקשה ובימים הקרובים ישלח אליך מייל אישור והשולחן יופיע ברשימת השולחנות העגולים.
סגור

שליחת מייל

שליחת מייל למשקיע/ה