Kort sagt: Marketingmixmodellering modellerer statistisk forholdet mellem marketinginvesteringer, eksterne påvirkninger og forretningsresultater over tid, normalt ud fra aggregerede data.
Sådan bruger jeg marketingmixmodellering i praksis
Jeg bruger ikke begrebet som endnu et tal i en præsentation. Jeg definerer, hvilken beslutning det skal forbedre, hvilke data eller observationer det bygger på, og hvem der ændrer noget som følge af det. Jeg medtager sæsonudsving, pris, kampagner, distribution og andre relevante påvirkninger og sammenholder derefter resultatet med eksperimenter og budgetrealitet. Jeg noterer baseline, måledato og fortolkningsgrænser, så reelle bevægelser kan skelnes fra ændringer i værktøj, stikprøve eller formulering.
Hvad skal man holde øje med
Den største risiko er en præcision, der kun ser ægte ud. En model kan ikke redde en kort eller dårlig dataserie, og korrelation mellem kanaler kan give flere lige sandsynlige forklaringer. Jeg sammenligner resultater over tid, på en stabil stikprøve og med forretningskontekst. Hvis begrebet ikke fører til et konkret næste skridt, er det kun en ny etiket.
Spørgsmål til beslutninger
- Har vi data, der er tilstrækkeligt lange og konsistente?
- Hvilke eksterne påvirkninger skal vi medtage?
- Hvordan verificerer vi estimaternes stabilitet?
- Hvilken budgetbeslutning skal modellen understøtte?