MMM e attribuzione a confronto

La modellazione del marketing mix (MMM) e l'attribuzione multi-touch (MTA) cercano entrambe di rispondere alla domanda "che cosa ha determinato le vendite?", ma partono da direzioni opposte.

L'MMM segue un approccio top-down: utilizza dati aggregati e serie temporali relativi a spesa e vendite per stimare il contributo di ciascun canale. L'MTA segue un approccio bottom-up: ricompone i singoli punti di contatto dell'utente fino a una singola conversione.

Gli esperti più avanzati utilizzano entrambi i metodi, sapendo che ciascuno presenta lacune che l'altro può compensare in parte.

L'MMM esegue una regressione delle vendite rispetto ai driver di marketing e non di marketing nel tempo. Produce elasticità a livello di canale e una scomposizione delle vendite in contributi di base e incrementali.

È fondamentale che l'MMM includa i canali offline, come TV, radio e OOH, oltre agli effetti a lungo termine che il tracciamento a livello di utente non è in grado di rilevare.

L'MTA assegna un credito frazionario a ogni punto di contatto tracciato con cui l'utente è entrato in contatto prima della conversione. I modelli vanno dall'ultimo clic all'attribuzione basata sui dati in stile Shapley.

Eccelle nei percorsi digitali tracciabili tramite cookie e fornisce un'attribuzione dettagliata, quasi in tempo reale, a canali e campagne.

Il compromesso fondamentale: l'attribuzione è granulare ma limitata; l'MMM è ampia ma poco dettagliata.

L'MTA può indicare quale creatività pubblicitaria ha portato alla conversione di un utente, ma ignora la TV, il passaparola e tutto ciò che si trova al di fuori della sua finestra di tracciamento. L'MMM considera l'intero budget, ma non può scendere al livello di una singola campagna o di un pubblico.

La dismissione dei cookie, ATT (App Tracking Transparency) e le regole sul consenso hanno eroso il segnale a livello utente da cui dipende l'MTA.

Poiché l'MMM utilizza solo dati aggregati, è in gran parte immune a questi cambiamenti. Questo è il motivo principale per cui l'MMM è tornato a essere molto apprezzato dai grandi inserzionisti.

Entrambi i metodi rischiano di confondere la correlazione con la causalità. La Search riceve spesso un credito eccessivo perché intercetta una domanda creata da altri canali.

La vera incrementalità risponde alla domanda: questa vendita sarebbe avvenuta senza la spesa? Gli esperimenti geografici e i test con gruppo di controllo sono lo standard di riferimento rispetto al quale calibrare l'MMM e l'MTA.

L'MTA considera una finestra di conversione che va da giorni a settimane. L'MMM può modellare il carryover e gli effetti di lungo periodo sul brand, che si estendono per mesi, tramite adstock e termini di trend.

Se si valuta una campagna di brand solo con l'MTA, la si sottovaluterà sistematicamente, perché il suo ritorno si manifesta al di fuori della finestra.

L'MMM richiede 2-3 anni di serie storiche settimanali: spesa per canale, vendite, prezzi, promozioni, distribuzione e fattori esterni come il meteo o gli indici macroeconomici.

L'MTA richiede log di eventi puliti e deduplicati, con identificatori utente persistenti tra i diversi touchpoint, sempre più difficili da ottenere.

Gli stack di misurazione maturi usano la triangolazione: l'MMM per l'allocazione strategica del budget tra i canali, l'MTA per l'ottimizzazione tattica all'interno dei canali e gli esperimenti per calibrare entrambi.

Quando l'MMM e l'MTA non concordano, la differenza stessa è informativa e spesso indica percorsi non tracciati o a cui è stato attribuito un credito eccessivo.

L'MMM fallisce quando i canali si muovono insieme (collinearità), quando la serie storica è troppo breve o quando il modello è adattato eccessivamente al rumore.

L'MTA fallisce quando il tracciamento è incompleto, quando il bias dell'ultimo clic domina i report e quando le conversioni offline non entrano mai nel dataset.

La domanda è strategica o tattica? Comprende i media offline? I dati a livello utente sono affidabili in questo caso?

La pianificazione annuale del budget tra TV, digitale e retail propende per l'MMM. L'ottimizzazione di un account di paid search per la settimana successiva propende per l'MTA. Per validare l'uno o l'altro, la scelta ricade sugli esperimenti.

Verifichi di aver compreso quando l'MMM è più efficace dell'attribuzione.

L'MMM è top-down, aggregato, robusto rispetto ai vincoli di privacy e ottimo per l'allocazione strategica su tutti i media, compresi quelli offline. L'MTA è bottom-up, granulare e ideale per l'ottimizzazione tattica del digitale, ma vulnerabile alla perdita di tracciamento.

Nessuno dei due è completo da solo. Usi la triangolazione tra MMM, MTA ed esperimenti e lasci che i test di incrementalità risolvano le divergenze tra loro.