Modelowanie Mixu Marketingowego z Robyn: Jak Optymalizować Budżet Marketingowy i Zwiększać ROAS?

Czym jest mix marketingowy?

Marketing mix (4P) to kluczowy zestaw narzędzi marketingowych, który pozwala firmom skutecznie konkurować na rynku:

• Produkt (Product): cechy i jakość oferowanych dóbr/usług, projektowanie pod potrzeby klienta, rozwój i innowacje produktowe
• Cena (Price): strategia cenowa i pozycjonowanie, elastyczność cenowa, systemy rabatowe i promocje
• Dystrybucja (Place): kanały sprzedaży offline i online, logistyka i dostępność, zarządzanie zapasami
• Promocja (Promotion): komunikacja marketingowa, reklama i PR, marketing cyfrowy

W sektorze usług stosuje się rozszerzoną wersję 7P, dodając:

• Ludzie (People): kompetencje pracowników, obsługa klienta, kultura organizacyjna
• Procesy (Process): standardy obsługi, procedury operacyjne, kontrola jakości
• Świadectwo materialne (Physical Evidence): wygląd placówek, identyfikacja wizualna, materiały marketingowe

Marketing Mix Modeling (MMM) umożliwia analizę skuteczności poszczególnych elementów i optymalizację strategii marketingowej pod kątem ROI/ROAS. Sukces wymaga spójności wszystkich elementów marketing mixu oraz ich regularnej adaptacji do zmieniających się warunków rynkowych.

Czym jest Modelowanie Mixu Marketingowego (MMM)?

Marketing Mix Modeling (MMM)to narzędzie analityczne mierzące skuteczność działań marketingowych i ich wpływ na sprzedaż.

Główne funkcje:

• Analiza efektywności kanałów marketingowych (TV, social media, promocje)
• Optymalizacja budżetu reklamowego
• Testowanie scenariuszy marketingowych
• Maksymalizacja ROI

Zastosowanie:

• Pomiar wpływu poszczególnych działań na sprzedaż
• Identyfikacja najskuteczniejszych kanałów
• Optymalizacja wydatków marketingowych
• Prognozowanie wyników przyszłych kampanii

MMM wspiera podejmowanie decyzji marketingowych opartych na danych, co przekłada się na lepszą alokację budżetu i wyższe wyniki sprzedażowe.

Choć marketing mix może wydawać się skomplikowaną koncepcją, spróbujmy go uprościć posługując się analogią do przygotowania idealnego dania w robocie kuchennym Wyobraź sobie, że marketing to skomplikowany przepis kulinarny. Tak jak szef kuchni łączy różne składniki, aby stworzyć doskonałe danie, tak marketerzy muszą efektywnie zarządzać różnymi kanałami i strategiami, aby osiągnąć pożądane wyniki biznesowe. MMM to proces, który pozwala zrozumieć, jak poszczególne "składniki" – takie jak reklama w telewizji, kampanie online czy promocje – wpływają na "smak" końcowego rezultatu, czyli sukces marketingowy.

Jak działa MMM? Dlaczego MMM jest ważne dla Twojej strategii marketingowej?

„Połowa pieniędzy, które wydaję na reklamę jest zmarnowana; problem polega na tym, że nie wiem, która połowa” - mawiał ojciec współczesnej reklamy i innowator handlu detalicznego i reklamy - John Wanamaker. W tym kontekście wreszcie możemy zacząć “marnować mniej pieniędzy”, aspekty w których w naszej marketingowej kuchni pomoże nam Robyn to:

• Alokacja budżetu: Jak efektywnie podzielić zasoby na różne składniki? Czy lepiej zainwestować więcej w reklamę telewizyjną, czy w kampanie w mediach społecznościowych?
• Pomiar efektywności: Jak ocenić, które składniki miały największy wpływ na ostateczny smak? Które kampanie przyniosły największe korzyści?
• Analiza długoterminowa: Jak zrozumieć, które składniki dodają smaku od razu, a które potrzebują więcej czasu na uwolnienie swoich aromatów? Czy działania marketingowe przyniosą efekty od razu, czy dopiero po dłuższym czasie?

Robyn - Twoje narzędzie do zaawansowanej optymalizacji budżetu

Robyn został opracowany przez Facebooka (Meta) przede wszystkim do modelowania mixu mediów, czyli analizy efektywności różnych kanałów mediowych w kampaniach marketingowych. Jednak jako elastyczne narzędzie open-source może być dostosowany do szerszych zastosowań w ramach MMM. Aby zaadaptować Robyn do pełnego MMM, należy uwzględnić dodatkowe zmienne związane z innymi elementami mixu marketingowego takimi jak cena, produkt czy dystrybucja.

Robyn działa jak zaawansowany robot kuchenny, który pomaga dokładnie dobrać proporcje składników oraz czas i sposób ich obróbki. Tak Robyn wspiera gotowanie idealnej kompozycji marketingowej:

1. Zbieranie danych: Jak każdy dobry kucharz, Robyn zaczyna od zebrania wszystkich składników – danych z różnych źródeł, takich jak wydatki marketingowe, dane sprzedażowe i czynniki zewnętrzne.
2. Modelowanie: Następnie Robyn, niczym doświadczony szef kuchni, wykorzystuje różne techniki "gotowania" – statystyki i uczenie maszynowe – aby zrozumieć, jak składniki wpływają na ostateczny smak.
3. Analiza i optymalizacja: W trakcie gotowania, Robyn na bieżąco analizuje i optymalizuje recepturę, sprawdzając, które składniki dodać, a które ewentualnie zmniejszyć.
4. Wizualizacja: Na końcu, Robyn przedstawia przepis w przejrzystej formie, generując raporty i dashboardy, które pomagają w ocenie, czy danie spełnia oczekiwania.

Dlaczego warto korzystać z Robyn?

Techniki wykorzystywane przez Robyn i koncepcje marketingu mix można porównać do zaawansowanych metod gotowania, które pozwalają uzyskać najlepszy smak potrawy:

• Funkcje adstock: dodawanie przypraw, które uwalniają swój smak powoli i pozostają wyczuwalne jeszcze długo po zakończeniu gotowania. Według Gijsenberg et al., (2011) adstock odgrywa kluczową rolę w badaniach nad reklamą. Określa on skumulowaną wartość reklamy marki w danym momencie. Adstock ma znaczenie w strategiach reklamowych i wpływ na efektywność reklamy:
  • decyzje o czasie i wielkości reklamy faktycznie opierają się na poziomach i zmianach adstock, zależność jest silniejsza dla większych marek i tych reklamujących się częściej,
  • reagowanie na zmiany adstock wiąże się z wyższą elastycznością reklamy, natomiast inercja w podejmowaniu decyzji reklamowych, odzwierciedlona jest w silnym poleganiu na przeszłych poziomach adstock i łączy się z niższą elastycznością reklamy.

  

• Funkcje saturacji: dodawanie soli – na początku smak staje się intensywniejszy, ale po pewnym czasie dodatkowa ilość soli nie poprawia już smaku. Podobnie, w analizach rynku detalicznego zauważono, że efekty saturacji wpływają nie tylko na sprzedawców, ale także na konsumentów, co wymaga uwzględnienia w decyzjach dotyczących lokalizacji i strategii marketingowej (Yanine et al., 2019).
• Regresja grzbietowa: używanie technik sous-vide – pozwala uniknąć przegrzania i przeuczenia modelu, co zwiększa stabilność i przewidywalność wyników.W podobny sposób, zastosowanie regresji grzbietowej w MMM umożliwia stabilną i przewidywalną analizę zwrotu z inwestycji, optymalizując alokację budżetu na działania marketingowe (Cain, 2010).
• Walidacja modelu: degustacja potrawy na różnych etapach gotowania, aby upewnić się, że wszystkie smaki są dobrze zbalansowane.Podobnie, w procesie MMM, regularna walidacja modelu umożliwia obiektywną ocenę skuteczności różnych działań marketingowych, zapewniając, że strategie przynoszą oczekiwane rezultaty (Pandey et al., 2021).

Proces modelowania w Robyn

Modelowanie w Robyn można porównać do kompleksowego procesu gotowania skomplikowanego dania:

1. Konfiguracja środowiska i wczytanie danych - przygotowanie kuchni i zebranie wszystkich składników potrzebnych do ugotowania potrawy.
2. Specyfikacja modelu - wybór przepisu, w którym określasz proporcje składników i techniki gotowania.
3. Uruchomienie modelu - rozpoczynasz gotowanie – przeprowadzasz iteracje, dodajesz składniki, próbujesz i dostosowujesz smaki, aż uzyskasz optymalny rezultat.
4. Analiza wyników - próbujesz gotowego dania, sprawdzając, czy smaki są zbalansowane, a potrawa odpowiada oczekiwaniom.
5. Wybór optymalnego modelu - wybierasz najlepszą wersję przepisu, która najlepiej spełnia założone kryteria, takie jak minimalizacja błędów i maksymalizacja smaku.

Analiza wyników

Degustacja i ocena wyjątkowego dania przygotowanego przez mistrza kuchni:

• Prezentacja dania: Robyn serwuje swoje dzieło na eleganckim "talerzu diagnostycznym" - jednostronicowym raporcie, który jest jak menu degustacyjne, prezentujące wszystkie smaki i aromaty modelu.
• Smak podstawowy: Ocena dopasowania statystycznego to jak sprawdzenie, czy podstawowy smak dania jest właściwy. Czy wszystkie składniki współgrają ze sobą?
• Kompozycja składników: Analiza wkładu poszczególnych mediów to jak rozróżnianie smaków każdego składnika w daniu. Który element najbardziej wpływa na ogólny smak?
• Wartość odżywcza: Wskaźniki ROI/ROAS lub CPA to jak sprawdzenie wartości odżywczej każdego składnika. Które elementy dostarczają najwięcej "witamin" dla naszego marketingowego organizmu?
• Aromaty i posmak: Efekty adstock to jak badanie, jak długo utrzymuje się smak poszczególnych składników. Czy niektóre aromaty ujawniają się dopiero po pewnym czasie?
• Krzywa nasycenia: Krzywe odpowiedzi to jak sprawdzanie, w jakim momencie dodawanie więcej danego składnika przestaje poprawiać smak dania.
• Harmonia smaków: Ocena wiarygodności biznesowej to jak sprawdzenie, czy wszystkie smaki współgrają ze sobą w harmonijny sposób, tworząc spójną całość.
• Porównanie wariantów: Analiza różnych modeli to jak porównywanie kilku wersji tego samego dania, aby wybrać najlepszą.
• Opinia eksperta: Kalibracja z eksperymentami to jak porównanie naszej oceny z opinią doświadczonego krytyka kulinarnego.
• Przepis na przyszłość: Rekomendacje alokacji budżetu to jak tworzenie udoskonalonego przepisu na przyszłość, bazując na tym, co najlepiej działało w obecnym daniu.

Wyzwania i ograniczenia

• Wymagana wiedza techniczna: Efektywne korzystanie z Robyn wymaga od użytkowników solidnej wiedzy z zakresu statystyki i analityki danych (Zhou, Skokan, & Runge, 2023).
• Jakość danych wejściowych: Skuteczność analizy jest bezpośrednio zależna od jakości dostarczonych danych. Firmy muszą zadbać o dokładność i kompletność swoich zbiorów danych (Zhou, Skokan, & Runge, 2023).
• Czasochłonność procesu: Budowa i utrzymanie modelu w Robyn może być czasochłonne, wymagają znacznego zaangażowania zespołu analitycznego (Zhou, Skokan, & Runge, 2023). Koncepcje marketingu mix mogą nie być łatwe do zrozumienia dla osób nie mających styczności ze statystyką.
• Obecnie Robyn ma ograniczone możliwości w zakresie przetwarzania danych panelowych, co może wpływać na szczegółowość rekomendacji w różnych wymiarach (Zhou, Skokan, & Runge, 2023).
• Innowacyjne podejście do optymalizacji: Multi-obiektywowa optymalizacja stosowana w Robyn jest nowatorskim rozwiązaniem wśród narzędzi marketingu mix, co może wymagać adaptacji ze strony użytkowników (Zhou, Skokan, & Runge, 2023).
• Dane wejściowe mogą odzwierciedlać istniejące uprzedzenia społeczne, co należy uwzględnić w interpretacji wyników (Lambrecht i Tucker 2019).
• interpretacji wyników (Lambrecht i Tucker 2019). Ze względu na dynamiczny rozwój Robyn, obecne rozwiązania nie są ostateczne i mogą ulegać zmianom (Zhou, Skokan, & Runge, 2023).
• Skuteczne wdrożenie wyników analiz wymaga dostosowania do konkretnych preferencji i potrzeb organizacji (Moorman 1995).

Przyszłość MMM i Robyn

Rynek MMM stale się rozwija, w przyszłości możemy spodziewać się:

• Lepszej integracji z innymi narzędziami marketingowymi, co pozwoli na bardziej kompleksowe zarządzanie kampaniami (Alsharif et al., 2020).
• Rozwoju bardziej zaawansowanych modeli predykcyjnych, które uwzględniają coraz bardziej złożone zależności między zmiennymi. Dzięki integracji sztucznej inteligencji i uczenia maszynowego, nowe modele pozwalają na dokładniejsze przewidywanie zachowań konsumentów oraz skuteczności różnych strategii marketingowych. To umożliwia bardziej efektywne dostosowanie kampanii do potrzeb konsumentów, co prowadzi do lepszego dopasowania oferty oraz zwiększenia satysfakcji klientów (Batra & Keller, 2016). Robyn jest szczególnie wartościowy dla małych i średnich firm, które nie dysponują zasobami na rozwiązania MMM tworzone indywidualnie pod klienta. Dzięki Robyn mogą one korzystać z nowoczesnych technik analitycznych do optymalizacji strategii marketingowych, nawet w obliczu rosnących ograniczeń prywatności w reklamie cyfrowej (Zhou, Skokan, & Runge, 2023).
• Większej automatyzacji procesów modelowania i optymalizacji, co pozwoli na szybsze i bardziej efektywne zarządzanie strategiami marketingowymi.Wzrost ilości danych jest napędzany przez nieustanne interakcje konsumentów w mediach społecznościowych, na urządzeniach mobilnych i poprzez inne technologie online, gdzie każda akcja, interakcja i reakcja są rejestrowane. Konsumenci, nieustannie generujący dane, dostarczają nieustrukturyzowane informacje, które mogą być analizowane za pomocą automatyzacji marketingu i analiz predykcyjnych. To pozwala firmom na odkrywanie nowych, wcześniej nieznanych wzorców oraz tworzenie bardziej świadomych strategii marketingowych, co wspiera rozwój biznesu w zrozumieniu zachowań konsumentów (Sestino, 2019).
• Ulepszeń w Robyn, który jest stale rozwijany przez społeczność użytkowników i programistów, co zapewnia jego dostosowywanie do zmieniających się potrzeb rynku (Facebook).

MMM to nie tylko ścisła analiza, ale także pole do eksperymentów. Tak jak w kuchni, można tworzyć nowe, unikalne połączenia smaków, tak w marketingu można odkrywać nowe, skuteczne strategie.

Jak Robyn może pomóc w optymalizacji budżetu marketingowego?

Robyn to narzędzie, które umożliwia precyzyjną analizę wpływu poszczególnych kanałów marketingowych na wyniki biznesowe. Dzięki zaawansowanym funkcjom, takim jak adstock i saturacja, Robyn pomaga zidentyfikować, które kanały marketingowe przynoszą największy zwrot z inwestycji (ROI) oraz jak długo utrzymuje się efekt kampanii. Na podstawie wyników modelowania możesz optymalnie rozdzielić swój budżet, aby osiągnąć lepsze wyniki przy niższych kosztach.

Czy warto zainwestować w MMM dla mojej firmy?

MMM (Modelowanie Mixu Marketingowego) to idealne rozwiązanie dla firm, które inwestują w różnorodne kanały marketingowe i chcą zmaksymalizować ich efektywność. Dzięki Robyn, nawet małe i średnie przedsiębiorstwa mogą korzystać z zaawansowanej analityki, która wcześniej była dostępna tylko dla największych graczy. Jeśli zależy Ci na dokładnej optymalizacji budżetu i lepszym zrozumieniu wpływu działań marketingowych na sprzedaż, MMM jest dla Ciebie.

Jakie dane są potrzebne, aby skutecznie wdrożyć Robyn?

Aby skutecznie wykorzystać Robyn do modelowania mixu marketingowego, potrzebujesz danych takich jak wydatki marketingowe na poszczególne kanały (np. reklama telewizyjna, kampanie online, media społecznościowe), dane sprzedażowe oraz czynniki zewnętrzne (np. sezonowość, zmiany cen, trendy rynkowe). Im bardziej kompleksowe dane, tym bardziej precyzyjne będą wyniki, co pozwoli na lepszą optymalizację budżetu i zwiększenie efektywności kampanii.

Chcesz poprawić efektywność swojego budżetu marketingowego? Skontaktuj się z nami i poznaj Robyn. Razem zoptymalizujemy Twoje działania marketingowe, zwiększając zwrot z inwestycji!

Bibliografia

Alsharif, A. H., Salleh, N. Z. M., Alrawad, M. &Lutfi, A. 2020. "Exploring Global Trends and Future Directions in Advertising Research: A Focus on Consumer Behavior." Current Psychology. Springer.

Batra, R., & Keller, K. L. (2016). Integrating Marketing Communications: New Findings, New Lessons, and New Ideas. Journal of Marketing, 80(6), 122-145. https://doi.org/10.1509/jm.15.0419

Cain, P. M. (2010). Marketing mix modelling and return on investment. W The Business & Management Collection. https://doi.org/10.1057/9780230297340_4

Facebook. "Robyn: Marketing Mix Modeling." Dostęp 13.08. 2024. https://facebookexperimental.github.io/Robyn/.

Gijsenberg, M. J., Van Heerde, H. J., Dekimpe, M. G., & Nijs, V. R. (2011). Understanding the role of adstock in advertising decisions. Working Paper, University of Groningen.

Lambrecht, A., & Tucker, C. (2019). Algorithmic bias? An empirical study of apparent gender-based discrimination in the display of STEM career ads. Management Science, 65(7), 2966-2981.

Moorman, C. (1995). Organizational market information processes: Cultural antecedents and new product outcomes. Journal of Marketing Research, 32(3), 318-335.

Pandey, S., Gupta, S., & Chhajed, S. (2021). Marketing mix modeling (MMM) - Concepts and model interpretation. International Journal of Engineering Research & Technology, 10(6), 785-793.

Sestino, A. (2019). Business development, marketing automation and predictive analysis: An integration perspective - An overview towards new opportunities for studying consumer behavior and business integration. SSRN. https://doi.org/10.2139/ssrn.3316759

Yanine, F., Córdova, F., Valenzuela, L., & Isla, P. (2019). A fresh look to an old problem: Saturation in the retail market, and how it affects both retailers and consumers. Indian Journal of Science and Technology. https://doi.org/10.17485/ijst/2019/v12i18/144604

Zhou, G., Skokan, I., & Runge, J. (2023). Packaging Up Media Mix Modeling: An Introduction to Robyn's Open-Source Approach. arXiv preprint. https://arxiv.org/abs/2403.14674