Há décadas, o Media Mix Modeling (MMM) é uma reconhecida abordagem de mensuração de marketing, mas no último ano, o “MMM de última geração” vem silenciosamente ganhando força no mundo mobile. Essa importante ferramenta ajuda os profissionais de marketing a entender como os diferentes canais impactam o resultado dos negócios. O MMM fornece insights sobre como diferentes iniciativas de marketing funcionam juntas, para otimizar orçamentos e poupar gastos de forma mais eficaz.
Se você é um dos muitos dos profissionais de growth marketing de aplicativos, pode até conhecer um pouco de MMM, mas ainda tem muitas perguntas sem resposta. Esperamos que você tenha conseguido assistir ao nosso webinar mais recente sobre MMM — ele fornece uma visão aprofundada dos fundamentos dessa prática (se ainda não assistiu, essa é uma ótima oportunidade para isso!).
Este artigo dá continuidade ao nosso webinar. Cobrimos algumas das perguntas mais frequentes sobre MMM e estabelecemos as bases para introduzi-lo na sua futura estratégia de marketing.
Por sinal, o maior obstáculo citado pelos anunciantes talvez seja a evolução técnica e os investimentos necessários para levar seu modelo a um ponto produtivo para seus negócios. Estamos animados para fazer uma parceria direta com você por meio do programa beta do Media Mix Modeling da Branch e, assim, tirar esse fardo das suas costas. Para mais informações sobre como participar, entre em contato com seu gerente de sucesso do cliente da Branch.
O MMM não é um conceito novo. O que mudou?
Antes de mais nada, vamos esclarecer o próprio nome. É “Media Mix Modeling”? “Marketing Mix Modeling”? Ou “Mixed-Media Modeling”? Atualmente, existem vários nomes em uso, mas “Media Mix Modeling” é o mais comum utilizado na Branch. Também achamos que é o mais preciso, porque o uso de “Mixed-Media Modeling” implica na distinção entre mídia mista e não mista, algo que não existe na prática.
Quando falamos sobre a crescente conscientização sobre o MMM, três forças ocorrem simultaneamente:
- A atribuição está ficando mais difícil.
As chaves primárias com as quais conectam os dados de diferentes partes do ecossistema de anúncios estão se esgotando muito rapidamente, e de uma forma difícil de acompanhar. Isso significa que as abordagens tradicionalmente baseadas em atribuição de toque estão se degradando em termos de eficácia.
- As regras continuam mudando.
Os obstáculos não foram superados. Não existe um ecossistema aberto para oferecer apoio. Em vez disso, precisamos enxergar as mudanças de plataformas como SKAN para iOS e API de Atribuição para Android sem paradigmas de reconciliação dominantes, para ser possível compreendê-las (por enquanto).
- A curva de aprendizado é íngreme.
O Machine Learning vem dando passos significativos, mas suas várias aplicações para impulsionar o marketing ainda não foram totalmente exploradas. Semelhante à IA, a curva de eficácia mostra sobretudo um progresso gradual e às vezes repentino.
E você acertou: o MMM se beneficia ou aborda de forma única cada uma dessas três forças.
MMM é o mesmo que MTA, certo?
Esse é um equívoco comum sobre MMM com o qual nos deparamos aqui na Branch. A resposta curta: de uma perspectiva técnica, MMM e atribuição multitoque (Multi-Touch Attribution, MTA) são ferramentas completamente diferentes. Mas, quando empregadas corretamente, elas podem atender a necessidades de negócios semelhantes. Outros também mencionaram que os identificadores de publicidade (como IDFA [IDentifier For Advertisers/Identificador para anunciantes] e GAID [Google Advertising ID/Identificador de publicidade do Google]) estão se tornando cada vez mais escassos. Para se adaptar a essa nova realidade, os profissionais de marketing demandam uma solução que não precise unir eventos individuais diretamente. A MMM considera conjuntos agregados de gastos (canais pagos), cliques e impressões (canais orgânicos), bem como outros indicadores. Depois, ela utiliza análises estatísticas baseadas em machine learning para gerar previsões e recomendações de alocação de verba.
O MTA, por outro lado, compõe o paradigma tradicional de último toque. O MTA considera todos os toques que antecedem a conversão e distribui crédito parcial entre eles. Isso é baseado em alguma lógica de valoração, como “regressão linear” (concedendo progressivamente mais crédito a toques posteriores) ou “em forma de U” (dando mais crédito ao primeiro e último toques e distribuindo o restante igualmente).
Nosso entendimento é de que o MTA geralmente atrai a atenção, mas raramente representa uma proposta de valor forte o suficiente para que os clientes migrem no último clique. E a realidade de identificadores de publicidade cada vez mais escassos significa que todas as metodologias baseadas no toque (incluindo MTA) estão perdendo precisão. Precisamos nos adaptar de uma forma coletiva.
O MMM não é uma solução de publicidade de marca que leva meses para ser gerada?
Há muito o que esclarecer sobre essa questão.
Anteriormente, a história do MMM de fato se assemelhava a esse cenário. Normalmente, as agências de mídia continham o alcance, os dados e os recursos necessários para fornecer o MMM como um serviço de consultoria para anunciantes. E isso era caro (entre 70 e 100 mil dólares por projeto), demorava muito tempo para obter resultados e era adotado principalmente por anunciantes focados na divulgação da marca em canais tradicionais, como a TV aberta.
Mas a grande desvantagem é que, quando os dados eram finalmente obtidos, rapidamente se tornavam obsoletos.
Desde então, os ventos mudaram. O MMM agora é mais acessível e flexível por meio de uma automação poderosa — e fornece dados de marketing ricos e diversificados de forma rápida. Com as atuais e robustas ferramentas de MMM de última geração, ficou muito mais fácil tomar decisões oportunas e otimizar seu orçamento, uma vez que você não precisa mais esperar semanas ou meses pelos resultados.
Os clientes da Branch visualizam os dados de todos os canais de marketing — mídia paga, e-mails, redes sociais, web mobile e pesquisa orgânica — tudo em um único lugar. Nossa solução de MMM utiliza esses dados para executar atualizações semanais e ajudar você a entender como eventuais alterações na alocação do seu orçamento podem impulsionar o crescimento incremental do aplicativo. Isso significa que você não irá mais esperar três meses pelo próximo relatório de MMM.
A Robyn, ferramenta de MMM, foi desenvolvida pela Meta. Existe um conflito de interesses?
Essa é uma excelente pergunta, pois indica uma compreensão saudável da importância de práticas de mensuração imparciais.
A Branch está construindo sua solução de MMM com base na Robyn. A Robyn foi originalmente desenvolvida pela Meta, mas é uma biblioteca de MMM com código aberto. Isso significa que o código está disponível para revisões e auditorias de metodologia por qualquer usuário. Ao utilizar um modelo de código aberto padrão, a Branch assegura o alinhamento com as melhores práticas de MMM, para fornecer uma análise equilibrada, imparcial e perceptiva entre canais.
A propósito: A Branch também está empolgada por fazer parte do MMM Incubation Program (Programa de incubação de MMM) da Meta, um grupo seleto de parceiros que trabalham em estreita colaboração para melhorar a Robyn e desenvolver o futuro da mensuração do desempenho de mídias pagas que priorizam a privacidade.
Tudo isso parece bastante teórico. Como o MMM realmente funciona na Branch?
A principal entrega da solução de MMM da Branch é um conjunto de recomendações para alocação de verba entre seus canais e uma previsão do impacto da implantação delas. Essas recomendações podem ser usadas juntamente com seus atuais relatórios de atribuição baseados em toque, para tomar decisões mais fundamentadas em relação a investimentos em campanhas.
Inicialmente, solicitamos 12 meses de dados para executar o modelo de MMM. Também validamos os dados, através de discussões sobre as entradas no modelo e da verificação da necessidade de inclusão de dados adicionais. Depois de executarmos o modelo pela primeira vez, compartilhamos os resultados e discutimos se é necessário realizar ajustes ou melhorias. A próxima etapa é um processo de refinamento interativo até que o modelo forneça resultados.
O MMM é mais eficaz quando exibe uma imagem completa do seu negócio. Portanto, se você tiver outras atividades de marketing, como campanhas de notificação por push que não sejam rastreadas pela Branch, convém incluir esses dados também. As reuniões recorrentes com nossa equipe ajudarão a interpretar o modelo à medida que ele for atualizado” (ou seja, que o MMM for executado com novos dados). Essas reuniões também funcionarão como um horário fixo para debater a realização de testes com base nas recomendações da Branch.
Como ter confiança nas recomendações do modelo?
Essa é a pergunta de um milhão de dólares. O MMM pode parecer uma caixa preta no início, e uma recomendação como “transferir 10% dos gastos com o Google Ad Search para o Apple Search Ads” não é necessariamente o tipo de análise de impacto quantificável com a qual a maioria das equipes está acostumada. Tomar decisões de alocação de orçamento, por menores que sejam, não é pouca coisa.
Nossa equipe trabalhará com você ao longo do tempo para garantir que seu MMM compreenda todas as nuances do seu modelo de negócios, mercado e concorrência. Quando estiver satisfeito com a integridade das entradas do modelo, aconselhamos realizar pelo menos um teste com base nas recomendações apontadas e seguir daí.
Deixe a Branch mostrar como o MMM trabalha para você
Em um mundo cada vez mais focado em privacidade, o MMM pode ser uma poderosa ferramenta para alocação de orçamentos de marketing de forma mais eficaz, para profissionais de marketing de empresas de todos os portes. Os insights que o MMM fornece sobre como diferentes iniciativas de marketing funcionam juntas ajudam você a tomar as melhores decisões possíveis ao planejar sua próxima campanha.
Gostaria de saber mais sobre o programa beta de MMM da Branch e iniciar os trabalhos? Basta entrar em contato com o seu gerente de sucesso do cliente da Branch!
A Branch fornece as principais plataformas de linking e mensuração mobile do setor, oferecendo soluções que unificam a experiência e a atribuição do usuário em todos os dispositivos e canais. A Branch foi escolhida por mais de 100.000 aplicativos desde 2014, incluindo Adobe, BuzzFeed, Yelp e muitos mais, melhorando as experiências de mais de 3 bilhões de usuários mensais no mundo inteiro. Saiba mais sobre a Branch ou entre em contato agora com o departamento de vendas.
Entre em contato com o departamento de vendas
Para ajudar a impulsionar o crescimento mobile entre canais e plataformas, nossa equipe trabalha duro para fornecer os recursos mais atuais e relevantes para você.
Fale conosoco