نمذجة المزيج التسويقي

نمذجة المزيج التسويقي (MMM) هي أسلوب للتحليل الإحصائي يحدّد حجم مساهمة كل قناة تسويقية (والعوامل غير التسويقية) في نتائج الأعمال، مثل الإيرادات، باستخدام بيانات تاريخية مجمعة بدلًا من التتبع على مستوى المستخدم.

طُوّرت MMM في ستينيات القرن العشرين للإعلانات التلفزيونية والمطبوعة، وشهدت عودة قوية مع تراجع موثوقية التتبع الرقمي؛ فهي أسلوب القياس الوحيد الذي يعمل بالكامل من دون معرّفات على مستوى المستخدم أو ملفات تعريف الارتباط.

يعمل الإسناد على مستوى المستخدم الفردي، فيتتبّع عملاء محددين خلال رحلتهم عبر نقاط التلامس القابلة للتتبع. أما MMM فتعمل على مستوى السكان، إذ تحلل أنماط الإنفاق والإيرادات المجمعة بمرور الوقت لاستنتاج مساهمة كل قناة.

يتميز الإسناد بالتفصيل لكنه غير مكتمل، إذ لا يشمل القنوات غير المتصلة بالإنترنت والتواصل الاجتماعي غير القابل للتتبع ونقاط التلامس غير المتتبعة. بينما ترصد MMM الصورة الكاملة إحصائيًا، لكنها لا تستطيع تحديد رحلات العملاء الفردية. لذلك فالنهجان متكاملان لا متنافسان.

يتطلب نموذج MMM بيانات سلاسل زمنية أسبوعية أو شهرية تشمل: الإنفاق التسويقي حسب القناة، والإيرادات أو التحويلات، والمتغيرات الخارجية التي تؤثر في المبيعات بصورة مستقلة عن التسويق، بما في ذلك الموسمية ونشاط المنافسين وتغيرات الأسعار والمؤشرات الاقتصادية الكلية والطقس.

تتناسب جودة مخرجات MMM طرديًا مع جودة المدخلات واكتمالها. إذ تؤدي القنوات أو العوامل الخارجية المفقودة إلى إسناد تأثيراتها خطأً إلى القنوات الموجودة في مجموعة البيانات.

من المخرجات الأساسية لـ MMM مخطط لتفكيك الإيرادات يوضح النسبة المئوية من إجمالي الإيرادات المنسوبة إلى كل قناة تسويقية، والطلب الأساسي (ما كان سيحدث في حال انعدام التسويق)، والعوامل الخارجية.

يكشف هذا التفكيك عادةً أن حصة من الإيرادات تأتي من الطلب الأساسي أكبر مما تتوقعه معظم فرق التسويق، ما يعيد ضبط النقاش حول التأثير الإجمالي للتسويق والقيمة الإضافية لكل قناة.

يشير Adstock إلى تأثير انتقال أثر الإعلان، أي إنفاق اليوم الإعلاني يواصل التأثير في المبيعات خلال الأسابيع المقبلة، إذ تتلاشى ذاكرة العلامة التجارية والوعي بها تدريجيًا بدلًا من اختفائهما فورًا.

يصف تناقص العوائد كيفية توليد كل وحدة إنفاق إضافية في قناة ما إيرادات إضافية أقل من الوحدة السابقة. وتحدّد MMM معدل تلاشي Adstock ونقطة بدء تناقص العوائد لكل قناة.

ترسم منحنيات التشبع العلاقة بين الإنفاق على القناة ومخرجات الإيرادات، فتوضح أن الإيرادات تنمو بسرعة عند مستويات الإنفاق المنخفضة، ثم تتسطح مع بلوغ القناة نقطة التشبع.

تُستخلص هذه المنحنيات من مخرجات MMM، وتشكل أساس تحسين الميزانية؛ إذ تكشف القنوات التي لا يزال لديها مجال للنمو (إنفاق منخفض ومنحنى شديد الانحدار) مقابل القنوات المشبعة (إنفاق مرتفع ومنحنى مسطح) التي ينبغي إعادة توجيه ميزانيتها إلى أماكن أخرى.

يُعد Robyn من Meta (حزمة R) وLightweightMMM من Google (Python) إطارَي MMM الرائدين مفتوحي المصدر، إذ يتيحان إجراء تحليلات متقدمة للمزيج التسويقي من دون الاستعانة بمورّدين احتكاريين مكلفين.

يستخدم Robyn خوارزميات تطورية لمعايرة النماذج تلقائيًا، وينشئ مباشرةً مخرجات محسّن الميزانية ومنحنيات التشبع. أما LightweightMMM فيستخدم الاستدلال البايزي، ما يتيح تحديد مقدار عدم اليقين في مخرجات النموذج، وهي ميزة مهمة عند توضيح فترات الثقة لصنّاع القرار.

يأخذ محسّن ميزانية MMM منحنيات التشبع مدخلًا، ثم يحل مسألة توزيع إجمالي ميزانية ثابت لتعظيم الإيرادات المتوقعة؛ أي إنه يحدد النقطة على منحنى كل قناة التي تحقق أكبر إيرادات إضافية لكل دولار مُنفَق.

تشمل توصيات MMM المعتادة خفض الإنفاق في قنوات التلفزيون أو الإعلانات المصوّرة المشبعة، وإعادة توزيعه على القنوات الرقمية التي لا يزال لديها مجال للنمو، وغالبًا ما تكون مصحوبة بنطاقات متوقعة لتأثير ذلك في الإيرادات.

تتطلب MMM بيانات أسبوعية لمدة عامين على الأقل لإنتاج نتائج موثوقة؛ إذ لا تستطيع السلاسل الزمنية الأقصر فصل الأنماط الموسمية عن التأثيرات التسويقية الفعلية. كما أن لها فترة تأخر: فعادةً ما تُحدَّث النماذج كل ثلاثة أشهر، ما يعني أنها لا تستطيع توجيه قرارات الحملات في الوقت الفعلي.

تواجه MMM أيضًا صعوبة مع القنوات شديدة الارتباط (مثل التلفزيون والفيديو عبر الإنترنت اللذين يعملان دائمًا معًا)، ولا تستطيع قياس تأثيرات الاستهداف التفصيلية على مستوى الجمهور التي يلتقطها الإسناد على مستوى المستخدم.

يجمع إطار القياس المتقدم بين MMM لاتخاذ قرارات استراتيجية بشأن توزيع الميزانية (القنوات التي ينبغي الاستثمار فيها خلال الربع القادم) والإسناد للتحسين التكتيكي أثناء تنفيذ الحملة (الكلمات الرئيسية والجماهير والمواد الإبداعية التي تحقق تحويلات اليوم).

تعاير MMM نماذج الإسناد من خلال الكشف عن القنوات التي تُسنَد إليها الفضل بصورة منهجية بأكثر مما تستحق أو أقل منه، فتُنشئ حلقة تغذية راجعة تحسّن دقة نهجَي القياس بمرور الوقت.

من أساليب التحقق الشائعة من مخرجات MMM إجراء تجربة حجب جغرافية، وذلك بإيقاف قناة في مجموعة من الأسواق التجريبية مع استمرارها في الأسواق الضابطة، ثم مقارنة الفرق في الإيرادات بالمساهمة التي توقعتها MMM لتلك القناة.

عندما تكون نتيجة تجربة الحجب قريبة من توقع MMM، تزداد الثقة في دقة النموذج. أما الفروقات الكبيرة فتشير إلى احتمال فقدان مدخلات النموذج لمتغيرات رئيسية، أو حاجة مواصفة Adstock إلى التعديل.

تحدّد MMM مساهمة القنوات في الإيرادات انطلاقًا من البيانات المجمعة، من دون الاعتماد على التتبع على مستوى المستخدم، ما يجعلها أسلوب القياس الأكثر استدامة في عالم يضع الخصوصية أولًا.

تحوّل منحنيات التشبع ومحسّنات الميزانية من Robyn أو LightweightMMM مخرجات النموذج إلى قرارات عملية لإعادة التوزيع. ويؤدي الجمع بين MMM والإسناد إلى منظومة قياس متكاملة: MMM للاستراتيجية، والإسناد للتكتيكات.