Marketing-Mix-Modellierung: Ein analytischer Ansatz für Marketing und Vertrieb

Eine der größten Herausforderungen im digitalen Marketing ist das Problem der Attribution. Da Verbraucher einer Vielzahl von Online- und Offline-Kanälen ausgesetzt sind, wird es immer schwieriger zu bestimmen, welche Kanäle die besten Ergebnisse liefern. Es gibt jedoch eine Lösung – die Anwendung von Data Science.

Marketing Mix Modeling (MMM) ist ein analytischer Ansatz, der es Ihnen ermöglicht, die tatsächlichen Auswirkungen jedes Kanals auf den Umsatz zu verstehen und fundierte Anpassungen Ihrer Investitionen vorzunehmen, um optimale Ergebnisse zu erzielen. Außerdem erfahren Sie so, welche tatsächlichen Auswirkungen die einzelnen Kanäle auf den Umsatz haben und wie Sie die Investitionen anpassen können, um die besten Ergebnisse zu erzielen.

In diesem Artikel enthüllen wir die Geheimnisse der Marketing-Mix-Modellierung und gehen auf ihr Potenzial ein, um Marketingfachleuten und Vertriebsprofis die Möglichkeit zu geben, die Attributionsherausforderung souverän zu meistern.

Was ist Marketing-Mix-Modellierung?

Es gibt ein berühmtes Zitat von John Wanamaker: „Die Hälfte des Geldes, das ich für Werbung ausgebe, ist verschwendet. Das Problem ist, dass ich nicht weiß, welche Hälfte es ist.“ In der heutigen Marketinglandschaft, in der Ihnen eine Vielzahl von Kanälen zur Verfügung steht, ist es wichtig zu bestimmen, welche Kanäle Ergebnisse liefern und welche nicht.

Sie können Klicks in Online-Kanälen verfolgen und Techniken wie Cookies verwenden, um das Benutzerverhalten zu verfolgen, aber absolute Genauigkeit zu erreichen, kann immer noch eine Herausforderung sein.

Im Offline-Marketing, beispielsweise bei TV-Werbespots oder Außenwerbung, wird die Aufgabe deutlich komplexer, da einzelne Eindrücke und Reaktionen nicht einfach nachverfolgt werden können.

Hier kommt die Marketing-Mix-Modellierung ins Spiel!

Marketing-Mix-Modellierung ist eine statistische Modellierungstechnik, die darauf abzielt, die Beziehung zwischen Marketingausgaben in jedem Kanal und den entsprechenden Ergebnissen (z. B. Webbesuchen, Verkäufen, Kundenakquise oder anderen KPIs) zu identifizieren . Mithilfe historischer Daten und Regressionstechniken können Sie den Beitrag jedes Kanals zu diesen KPIs bestimmen. Es ist wichtig zu beachten, dass dieses Modell nur angewendet werden kann, wenn Ihre Marketingausgaben über verschiedene Zeiträume und Kanäle hinweg variieren.

Durch den richtigen Einsatz der Marketing-Mix-Modellierung erhalten Sie genaue Erkenntnisse darüber, wie sich Ihre Investition in die einzelnen Kanäle auf Ihre KPIs auswirkt.

Um die Formel zu generieren, die bei diesen Berechnungen hilfreich ist, können Sie Simulationen verwenden, bei denen die Kosten für jeden Marketingkanal unterschiedlich sind und auf der Grundlage der Ergebnisse mehrere Szenarien generiert werden, die eine effektive Marketingstrategie vorantreiben. Laut Medium gibt es eine lineare Regressionsgleichung, die Sie verwenden können:

Verkäufe = β_0 + β_1 * (Kanal 1) + β_2 * (Kanal 2)

In dieser Gleichung stellt „Umsatz“ das Verkaufsvolumen dar, „Kanal 1“ und „Kanal 2“ beziehen sich auf unterschiedliche Marketingkanäle, „β_0“ stellt den Basisumsatz dar (das Umsatzvolumen ohne Marketingkampagnen, angetrieben durch die natürliche Nachfrage). Loyalität und Markenbekanntheit) und „β_1“ und „β_2“ sind die Koeffizienten, die den Beitrag jedes Kanals zum Verkaufsvolumen darstellen. Es ist wichtig zu beachten, dass es auch andere mögliche Formeln gibt.

Welche Daten benötige ich, um die Marketing-Mix-Modellierung anzuwenden?

Um dieses Marketing- und Vertriebsmodell erfolgreich anzuwenden, ist es entscheidend, mit den richtigen Daten zu beginnen. Hier sind die Faktoren, die beim Sammeln der notwendigen Informationen für diese Berechnungen berücksichtigt werden müssen.

• Ausreichende und vielfältige Daten : Die Marketing-Mix-Modellierung analysiert die Variationen mehrerer Elemente in einer einzigen abhängigen Variablen. Daher ist es wichtig, über ausreichende Daten mit ausreichender Variation zu verfügen, um die Auswirkungen dieser Variationen auf die Variable genau zu ermitteln.
• Repräsentative Daten : Die gesammelten Daten sollten ausreichend Informationen enthalten, um die Beziehungen zwischen Variablen zu bestimmen und Ihr Unternehmen wirklich darzustellen .
• Detaillierungsgrad : Der Detaillierungsgrad der Daten bestimmt den Detaillierungsgrad der Ergebnisse. Wenn Sie beispielsweise möchten, dass die Marketing-Mix-Modellierung Einblicke in die Leistung jedes Kanals auf Filial-, Produkt- oder Segmentebene liefert, sollten die Daten entsprechend segmentiert werden.
• Rauschunterdrückung : Externe Faktoren wie Saisonalität und wirtschaftliche Schwankungen beeinflussen Verkäufe, Webbesuche und Kundengewinnungskennzahlen. Daher ist eine Verfeinerung des Modells durch Eliminierung des durch diese Faktoren verursachten „Rauschens“ unerlässlich.

Faktoren, die bei der Marketing-Mix-Modellierung berücksichtigt werden müssen

Um die Ergebnisse dieses Modells richtig zu interpretieren, müssen zwei entscheidende Faktoren berücksichtigt werden: die verzögerte Wirkung von Marketing- und Vertriebsmaßnahmen sowie das Konzept sinkender Renditen.

Die verzögerten Auswirkungen von Marketing und Vertrieb

Nicht alle Marketingmaßnahmen haben eine sofortige Wirkung. Zwischen dem Erkennen eines Bedarfs und der Kaufentscheidung durchlaufen die meisten Verbraucher eine Überlegungs- oder Entscheidungsphase.

Dadurch entsteht eine zeitliche Verzögerung zwischen dem Start einer Marketingkampagne und dem erfassten KPI (Besuch, Kauf, Benutzerregistrierung etc.). Diese Zeitverzögerung muss unbedingt bei der Berechnung der Ergebnisse jedes Kanals berücksichtigt werden.

Die Dauer der Überlegungsphase variiert je nach Produkt. Beispielsweise unterscheidet sich die Bedenkzeit für den Kauf eines Lippenstifts von der für den Kauf eines Neuwagens. Darüber hinaus kann die Zeitspanne zwischen dem Kontakt mit einem Marketingkanal und dem Entscheidungsprozess je nach Kanal unterschiedlich sein. Daher wird empfohlen, verschiedene Zeitraffer zu testen, um die beste Anpassung an die Daten zu ermitteln.

Sinkende Renditen

Sinkende Renditen treten auf, wenn der zusätzliche Nutzen mit steigender Investition abnimmt. Mit anderen Worten: Eine höhere Investition führt ab einem bestimmten Punkt nicht zu besseren Ergebnissen. Ab diesem Zeitpunkt kann weitere Werbung weniger effektiv oder sogar kontraproduktiv sein.

Der Zusammenhang zwischen Marketingbudget und Ergebnissen ist nicht linear . Ziel ist es, die optimale maximale Investitionshöhe für jeden Marketingkanal zu ermitteln.

Welche Ergebnisse können Sie mit der Marketing-Mix-Modellierung erzielen?

Nehmen wir an, Sie verfügen über genügend Qualitätsdaten, um die Marketing-Mix-Modellierung anzuwenden. Welche Ergebnisse können Sie erzielen? Wir können diese Erkenntnisse in deskriptive Ergebnisse (die erklären, was bisher passiert ist) und prädiktive Ergebnisse (die darauf abzielen, die Zukunft vorherzusagen) unterteilen.

Beschreibende Ergebnisse

Innerhalb der deskriptiven Ergebnisse können zwei Arten von Diagrammen für die Bewertung der Leistung Ihres Unternehmens äußerst wertvoll sein: Beitragsdiagramme und Diagramme zur abnehmenden Rendite.

Beitragsdiagramme

Beitragsdiagramme stellen Kanäle visuell dar, die zum Wachstum Ihres Unternehmens beitragen . Indem Sie die Ergebnisse der Marketing-Mix-Modellierung in ein visuelles Modell übersetzen, können Sie schnell den Beitrag des Kanals zum Gesamtumsatz ermitteln. Aufschlussreich ist auch die Beobachtung zeitlicher Diagramme, um die Kanalentwicklung zu verfolgen und Faktoren wie Saisonalität zu identifizieren. Diese visuellen Darstellungen ermöglichen es Ihnen, Trends zu verstehen und die Situation Ihres Unternehmens schnell einzuschätzen.

Diagramme sinkender Renditen

Liniendiagramme, die eine Darstellungskurve darstellen, werden typischerweise bei der Analyse sinkender Erträge in Marketing und Vertrieb verwendet. Diese Diagramme bieten eine visuelle Darstellung der Beziehung zwischen Investition und Rendite.

Nehmen wir an, wir akzeptieren die Theorie der Werbesättigung auf dem Markt . In diesem Fall wollen wir sicherstellen, dass wir nicht über die Sättigung hinaus in Marketing und Vertrieb investieren.

Um dies festzustellen, können wir die Erträge für jeden Kanal grafisch darstellen und die Form der Kurve beobachten. Möglicherweise stellen wir fest, dass bestimmte Kanäle schnell ihre Sättigung erreichen, während andere auch bei höheren Investitionen weiterhin Gewinne erwirtschaften.

Indem wir sowohl die Beitrags- als auch die sinkenden Renditediagramme untersuchen, gewinnen wir wertvolle Erkenntnisse darüber, welche Kanäle den höchsten ROI bieten. Anhand dieser Informationen können wir bestimmen, wo wir mehr oder weniger investieren müssen, um den Gewinn zu maximieren. Bedenken Sie, dass die Genauigkeit dieser Ergebnisse von der Qualität und Repräsentativität der von uns eingegebenen Daten abhängt.

Vorhersageergebnisse

Die Marketing-Mix-Modellierung ist nützlich, um vergangene Ereignisse zu erklären und den zukünftigen ROI Ihrer Marketing- und Vertriebsmaßnahmen vorherzusagen . Während es wichtig ist, mit Zukunftsprognosen vorsichtig umzugehen, bietet die Marketing-Mix-Modellierung ein wertvolles Werkzeug, um fundierte Entscheidungen über Ihre Marketing- und Vertriebsstrategien zu treffen.

Um diese Informationen zu nutzen, können Sie Investitionsszenarien entwerfen und Marketing-Mix-Modellierung anwenden, um die Ergebnisse auszuwerten. Dadurch können Sie Ihr Budget optimieren, indem Sie sich auf die effizientesten Kanäle konzentrieren, die noch nicht ausgelastet sind.

Wir von Cyberclick können Ihnen dabei helfen, einen automatisierten und maßgeschneiderten Algorithmus zu erstellen, der auf die individuelle Situation Ihres Unternehmens zugeschnitten ist und manuelle Berechnungen verschiedener Szenarien überflüssig macht. Diese Optimierung trägt zu einer intelligenten Budgetzuweisung bei und setzt Zeit und Ressourcen frei, sodass Sie Ihre Strategie und Kreativität verbessern können.