מידול תמהיל מדיה (MMM): הגדרה ואופן הפעולה

מידול תמהיל מדיה (MMM) היא טכניקה סטטיסטית המעריכה כמה תורם כל ערוץ שיווקי למכירות או להמרות בצורה מצטברת, תוך שימוש בנתוני הוצאות ותוצאות היסטוריים במקום מעקב ברמת הפרט. במקום לעקוב אחרי הקליק של אדם אחד עד לרכישה, MMM בוחן סך שבועי או חודשי: כמה הוצאתם על מדיה מקומית, חיפוש ממומן וטלוויזיה לעומת כמה יחידות נמכרו, ואז מתאים מודל שמסביר את התבנית.

למה זה קיים#

לכל שיטת ייחוס יש נקודת עיוורון. מודלים מבוססי קליקים מקנים יתר קרדיט לערוץ שנמצא הכי קרוב למכירה, ומעקב ברמת הפרט דורש מזהה עקבי בין נקודות מגע – משהו שהפחתת השימוש בעוגיות וההגבלות על מעקב באפליקציות הקשו על שמירתו. MMM עוקף את שתי הבעיות האלה כי הוא לעולם לא צריך לזהות משתמש בודד או לעקוב אחריו בין מכשירים. הוא עובד לחלוטין על נתונים מצטברים ברמת הערוץ, מה שהופך אותו לעמיד בפני סוגיות פרטיות ולשימושי אפילו עבור ערוצים אופליין כמו טלוויזיה, רדיו או חוצות, שלא מייצרים כלל נתיב שניתן ללחוץ עליו.

מה נכנס למודל#

MMM טיפוסי מבצע רגרסיה של מכירות מול הוצאות פרסום שבועיות לכל ערוץ, בתוספת משתני בקרה: עונתיות, שינויי מחיר, פעילות מתחרים וקידומי מכירות. הפלט הוא קבוצה של מקדמים שמראים את התרומה המשוערת של כל ערוץ ואת עקומת התשואה הפוחתת שלו – הנקודה שבה דולר נוסף של הוצאה מתחיל לייצר פחות מכירה אינקרמנטלית מהדולר שלפניו. תבנית התשואה הפוחתת הזו משקפת לעתים קרובות גם את מה שקורה ברמת הקריאייטיב, שם תדירות מתמשכת גורמת לעייפות קריאייטיב הרבה לפני שמודל ברמת הערוץ היה תופס אותה. מכירות בסיס, מה שהייתם מוכרים ללא שיווק כלל, מופרדות ממכירות המונעות משיווק, כך שהמודל לא ייתן קרדיט בטעות לפרסומות על ביקוש שכבר היה קיים.

MMM לעומת ניסוי הולדאוט חי#

ניסוי אינקרמנטלי חי נותן לך מספר הרמה מדויק ומאומת ניסיונית עבור ערוץ אחד במהלך חלון בדיקה אחד, במחיר של עצירה או הפחתה של הוצאה אמיתית. MMM פועל ברציפות ברקע באמצעות נתונים שכבר יש לך, ומכסה את כל הערוצים בבת אחת, אבל הדיוק שלו תלוי בקיומן של מספיק וריאציות היסטוריות בהוצאות כדי להפריד בין ההשפעה של ערוץ אחד לאחר. צוותי אנליטיקה רבים משתמשים בתוצאות ניסויי הולדאוט כדי לכייל ולאמת את מקדמי ה-MMM שלהם, מכיוון שמודל שסותר תוצאה ניסיונית נקייה כנראה מפספס משתנה כלשהו.

איך מדיה מקומית ומדיה חברתית משתלבות ב-MMM#

רשתות מדיה מקומית ופלטפורמות חברתיות ממודלות בדרך כלל כפריטים נפרדים מכיוון שעקומות התגובה שלהן שונות: לרשת כמו Taboola יש בדרך כלל עקומה ארוכה יותר ואיטית יותר מאשר קמפיין חיפוש ממוקד היטב, ולמלאי שנרכש דרך פלטפורמת צד דורש יש לרוב צורה שוב אחרת. לפני שניתן לבנות מודל הגנתי, צריך מעקב המרות נקי ברמת הערוץ ונתוני הוצאות מפורקים נכון – החלק הקשה ביותר בתרגול בדרך כלל. מעקב אחר כמה הוצאות מתחרים ונפח קריאייטיב נעים ברשת נתונה, באמצעות כלי כמו פלטפורמת אינטליגנציית פרסום של OpenAdLibrary, מהווה בדיקת שפיות שימושית כדי לראות אם התרומה הממודלת של ערוץ תואמת למה שקורה בפועל בשוק, והאם ה-ROAS המדווח סביר ביחס אליה.

מגבלות#

MMM זקוק לכמות משמעותית של נתונים היסטוריים, בדרך כלל שנה או יותר של תצפיות שבועיות, כדי להתאים מודל יציב. הוא גם מגיב לאט: המקדם של ערוץ לא יתעדכן בזמן אמת כמו לוח מחוונים של פלטפורמה, ולכן MMM מתאים יותר ככלי לתכנון אסטרטגי רבעוני מאשר לאופטימיזציה יומית. הוצאות מתואמות, העלאת תקציב בשני ערוצים בו-זמנית בכל פעם, מקשות גם הן מבחינה סטטיסטית להפריד בין ההשפעות האישיות שלהם – בעיה הידועה בשם קולינאריות – ושום כמות של מיומנות ברכישת מדיה לא תפתור מודל שחסרים לו הנתונים שהוא צריך.