Dane wejściowe i zmienne

Jakość MMM nie może przewyższać jakości jego danych wejściowych. Dzielą się one na trzy grupy: zmienne mediowe (dźwignie, którymi można sterować), zmienne kontrolne (czynniki, na które nie ma się wpływu) oraz zmienna zależna (to, co jest prognozowane).

Właściwy dobór tych elementów, z odpowiednią szczegółowością i częstotliwością, stanowi większość pracy potrzebnej do zbudowania wiarygodnego modelu.

Należy wybrać jednoznaczny wynik: liczbę sprzedanych jednostek, przychód lub liczbę nowych klientów. Trzeba konsekwentnie określić, czy chodzi o wartości brutto czy netto oraz czy zwroty są wykluczone.

Model należy budować na poziomie szczegółowości, na którym można podejmować działania — zwykle krajowym lub regionalnym, z częstotliwością tygodniową. Dane dzienne zwiększają szum, a miesięczne ukrywają dynamikę.

Dane mediowe można wprowadzić jako wydatki albo jako ekspozycję (wyświetlenia, GRP, kliknięcia). Wyświetlenia oddzielają dostarczenie reklamy od kosztu, co ma znaczenie, gdy CPM-y ulegają dużym zmianom.

Często stosuje się następujące podejście: modeluje się krzywą odpowiedzi na podstawie wyświetleń, a następnie przelicza wyniki z powrotem na wydatki, aby obliczyć ROI. W ramach jednego kanału należy zawsze zachować spójne jednostki.

Efekty reklamy utrzymują się po zakończeniu emisji kampanii. Adstock modeluje ich wygasanie, dzięki czemu sprzedaż z bieżącego tygodnia uwzględnia media z poprzednich tygodni.

Współczynnik wygasania lambda określa pamięć: 0,0 oznacza brak efektu przeniesionego w czasie, a 0,8 — długi ogon efektu. Telewizja ma zwykle wyższy adstock niż wyszukiwanie.

Podwojenie wydatków rzadko prowadzi do podwojenia sprzedaży. Transformacje nasycenia uwzględniają malejące zwroty, dzięki czemu model nie ekstrapoluje zależności liniowej w nieskończoność.

Transformacje Hill lub logarytmiczne zakrzywiają krzywą odpowiedzi, wyznaczając dla każdego kanału realistyczny poziom maksymalny i efektywny zakres działania.

Zmienne kontrolne uwzględniają czynniki niezwiązane z mediami, aby nie przypisywać ich błędnie reklamom. Najważniejsze z nich to: cena, promocje, dystrybucja i dostępność, aktywność konkurencji oraz indeksy makroekonomiczne.

Pominięcie istotnej zmiennej kontrolnej obciąża współczynniki mediowe, często zawyżając wynik kanału, który akurat działał podczas promocji.

Wiele produktów ma wyraźne wzorce sezonowe. Należy uchwycić je za pomocą zmiennych zero-jedynkowych dla miesięcy lub tygodni, składników Fouriera albo indeksu sezonowego, a także dodać składnik trendu opisujący podstawowy wzrost lub spadek.

Bez tych elementów sezonowe wzrosty sprzedaży zostaną przypisane zmiennym mediowym, które przypadkowo występowały w szczycie sezonu.

MMM oddziela bazę — czyli to, co zostałoby sprzedane bez nowych działań mediowych: kapitał marki, dystrybucję i cenę — od wkładów przyrostowych generowanych przez media.

Zdrowy model często pokazuje dużą, stabilną bazę. Jeśli media „wyjaśniają” niemal wszystko, zmienne kontrolne są prawdopodobnie zbyt słabe.

Gdy kanały są uruchamiane jednocześnie, model nie potrafi rozdzielić ich efektów, a współczynniki stają się niestabilne i czasami zmieniają znak.

Należy przeprowadzić diagnostykę za pomocą macierzy korelacji i VIF. Współliniowość można ograniczyć, różnicując wydatki w czasie, dodając zróżnicowanie geograficzne lub stosując priory bayesowskie do stabilizacji estymacji.

Należy dopasować wszystkie szeregi do tego samego kalendarza i tej samej strefy czasowej. Braki trzeba uzupełniać świadomie, a nie za pomocą niejawnych zer, które mogą oznaczać „brak wydatków” albo „brak danych”.

Jeśli analizowane okno jest długie, serie pieniężne należy skorygować o inflację, a każdą transformację udokumentować, aby wyniki były odtwarzalne.

Końcowa macierz projektu łączy surowe zmienne kontrolne z przekształconymi zmiennymi mediowymi. Każda kolumna mediowa została najpierw poddana adstockowi, a następnie nasyceniu, zanim trafiła do regresji.

Kolejność tego procesu ma znaczenie: najpierw efekt przeniesiony w czasie (kiedy efekt występuje), a następnie nasycenie (jak duży jest ten efekt).

Wskaż właściwą transformację dla danego zjawiska.

Dane wejściowe MMM to zmienna zależna, zmienne mediowe (przekształcane najpierw przez adstock, a następnie przez nasycenie) oraz zmienne kontrolne (cena, promocja, dystrybucja, sezonowość i czynniki makroekonomiczne).

Silne zmienne kontrolne chronią przed przypisywaniem mediom zbyt dużej zasługi, a czyste, spójnie skalowane i dobrze udokumentowane szeregi stanowią podstawę wiarygodnego modelu.