Marketing Mix Modeling: Combinando estatística e IA para otimizar atribuições

Quando você entende tudo o que influenciou no processo de compra.

Oi, bem-vindo a mais uma edição de Growth do Product Gurus.

Tenho acompanhado uma discussão bem grande em torno de métricas de marketing e atribuição e o impacto que isso tem no negócio (e no produto)

Então eu chamei o Mikael Rizzon, growth manager da Uncover, para explicar um pouco mais sobre Marketing Mix Modeling, uma maneira de mensurar resultados que leva em consideração uma série de elementos online e offline.

Antes restrito para enterprise, agora eles estão com um modelo mais democrático, o que me chamou atenção - então pedi para ele explicar como eles mensuram.

Um abraço,

Felipe Collins
PS: Assine o Growth Insight

---

Mensuração é um ponto crítico quando falamos de alocação de investimento em marketing - especialmente quando olhamos por uma leitura com cada vez mais canais e fragmentação tanto da atenção quanto do dinheiro investido.

Existem vários modelos vigentes, sendo que o mais utilizado é o de atribuição.

O first click, mais usado em campanhas B2B com ciclo longo, mostra por qual campanha o usuário chegou a conhecer a marca. O last click, o clique de conversão direta, mostra o que ele viu por último antes de efetuar a compra.

Nenhum desses dois modelos é o mais correto para determinar a sua estratégia de marketing. E um gestor de growth pode tomar uma decisão errada se olhar cegamente para um deles.

Existem alternativas.

E se você pudesse fazer uma análise de investimentos em mídia que revelasse o futuro das ações de Marketing, mostrando quais estratégias estão impulsionando suas vendas e prevendo quando um canal vai saturar, e quando é a hora de testar novos formatos?

E se pudesse virar para os executivos e dizer, com dados, quais ações geraram o maior ROI para o negócio, independentemente se elas estão no topo, no meio ou no fundo do funil?

Uma das maneiras mais avançadas de se pensar em análise de dados é o Marketing Mix Modeling: quando você entende tudo o que influenciou no processo de compra.

É uma solução baseada em ciência de dados e estatística, que vem evoluindo com os avanços tecnológicos em Inteligência Artificial.

Ao cruzar e analisar dados de diversas fontes internas e externas, incluindo gastos com publicidade, promoções, precificação, sazonalidade, inflação, clima e, claro, as vendas, o MMM nos ajuda a compreender como cada elemento do nosso mix de marketing contribui para o sucesso geral do negócio.

Parece super tecnológico, mas na realidade o Marketing Mix Model é uma solução antiga, desenvolvida nos anos 60 com o boom da propaganda na televisão, que propulsionou descobertas que juntavam a econometria e o marketing. Na época, porém, o trabalho era manual e moroso, focado em canais offline.

O avanço da internet deixou esse modelo de mensuração em segundo plano, perdendo espaço para os métodos de atribuição trackeada (como os já citados first click e last click).

Mas o avanço da Inteligência Artificial e as restrições de privacidade cada vez maiores estão apontando para uma retomada do Marketing Mix Model, agora mais fácil de usar e interpretar e menos dependente de third-party data.

• Leia também: O fim do fim dos cookies, e do marketing digital como conhecemos

Hoje, o MMM adaptou-se para incluir dados de diversas plataformas online, análises macroeconômicas sofisticadas e o uso de Machine Learning para prever e otimizar o desempenho de vendas.

Uma vez implementado, o modelo é capaz de responder diversas questões, como:

1. Que porcentagem das vendas totais é impulsionada por cada canal de marketing?

2. Como fatores não-midiáticos contribuem para as vendas?

3. Qual é a alocação de orçamento recomendada para cada canal?

4. Qual é o ROI histórico para cada canal de mídia?

5. Quanto de receita incremental cada canal de mídia está me gerando?

Esse modelo de análise se posiciona como um amplificador em um meio acostumado ao zoom-in tendencioso do last-click.

Se por um lado a agilidade da atribuição por clique permite que você faça testes e ajustes finos a nível de criativo e de campanha, por outro, se a jornada de compra é mais longa e complexa, a atribuição por last-click pode se tornar limitante, uma vez que desconsidera o impacto de outras ações e a contribuição de outros canais que não tenham objetivo de conversão.

O Marketing Mix Modeling atribui créditos a todas as etapas do funil de vendas, ajudando a entender como os investimentos em awareness e consideração estão gerando assistência para os canais de conversão, o impacto de ações de branding no longo prazo, quais canais performam melhor de forma isolada e quais canais podem contribuir mais quando acionados em conjunto, dentre outros insights.

Existe um modelo similar de atribuição que conseguem mapear pontos de contato distintos, chamado de Multitouch Attribution (MTA). Entretanto, este só pega as ações em canais digitais, enquanto o MMM avalia o espectro completo das ações de marketing, fornecendo uma visão abrangente tanto da contribuição do online quanto do offline para o desempenho geral das estratégias.

De forma mais tática, um modelo de MMM se baseia em dados históricos de investimentos em marketing e vendas correspondentes.

Analisa não apenas a quantidade de dinheiro gasto em diferentes canais, mas também dados sobre vendas durante o mesmo período. Assim, por meio de das regressões e técnicas usando IA, calcula a sensibilidade média das vendas a cada variável de marketing.

O modelo quantifica o quanto uma alteração em uma variável de marketing específica (por exemplo, aumento dos gastos com anúncios digitais) é esperada para afetar as vendas, mantendo outras variáveis constantes.

E para que o modelo forneça avaliações precisas e úteis, é crucial isolar os efeitos das atividades de marketing de outros fatores que também podem influenciar as vendas, como:

• Sazonalidade: levando em conta padrões de compra sazonais, como aumento nas vendas durante feriados ou eventos específicos;

• Preço e Promoção: mudanças nos preços dos produtos ou ofertas promocionais precisam ser consideradas, pois têm impacto direto sobre as vendas;

• Economia: variações na economia geral, como mudanças no poder de compra ou na confiança do consumidor, que também influenciam as vendas;

• Concorrência: as atividades de marketing dos concorrentes e suas estratégias de preços afetam a performance das vendas, necessitando ajustes no modelo para refletir esses impactos externos.

Por fim, outro elemento relevante para um bom modelo de MMM é o tempo.

Como qualquer pessoa fazendo algo novo pela primeira vez, seu modelo inicial será simples, feito a partir de um conjunto inicial de dados que tentam explicar ou prever algo. Por exemplo, como um modelo de meteorologia que tenta prever o tempo com base apenas na temperatura e na umidade.

Conforme você repete cada vez mais a análise, começa a aprender novas técnicas e estratégias. Você atualiza suas habilidades com novas informações que adquire enquanto obtêm resultados precisos ou não tão precisos assim - da mesma forma que um modelo matemático é alimentado com novos dados.

Esses dados podem vir de experiências adicionais, novas observações ou diferentes condições. Cada nova informação ajuda o modelo a entender melhor o padrão ou a prever com mais precisão.

Esse nível de detalhamento é o que faz com que o MMM venha sendo trabalho empresas dos mais distintos setores, como Vivo, Bradesco, iFood, Alpagartas, Loft, Casas Bahia e InfinitePay.

Ainda assim, a crença de que apenas grandes empresas podem utilizar MMM é equivocada. É verdade que para que o modelo entregue informações, é necessário histórico de mídia e variedade de investimentos e, por isso, ele tende a ser mais utilizado por anunciantes que investem entre R$20MM e R$100MM ao ano.

Porém, anunciantes com um mix de mídia diverso e que investem pelo menos R$ 3MM em mídia ao ano já podem se beneficiar dessa ferramenta.

Para construir um modelo de MMM, é preciso:

1. Mapear as perguntas que você quer responder com o modelo; por exemplo:

   1. Qual é a alocação de mídia recomendada para cada canal de marketing?

   2. Qual é o ROI marginal gerado por cada canal de mídia?

   3. Que percentual das vendas totais é impulsionado por cada canal de marketing?

2. Definir os KPIs do seu negócio, como taxas de conversão, ROAS, CAC, tráfego e as principais métricas para cada etapa da jornada de compra do seu consumidor

3. Considerar as variáveis exógenas que podem interferir na receita do negócio. Alguns exemplos são:

   1. Poder de compra

   2. Clima

   3. Desemprego

   4. Sazonalidade

4. Definir um plataforma onde serão centralizados os dados do modelo

5. Segmentar os dados (ex.: por objetivo, etapa de compra, canal, tipo de criativo…)

6. Analisar e testar constantemente

Por fim, é sempre importante lembrar que o melhor método é uma combinação de métodos.

O Marketing Mix Model é uma ferramenta poderosa, mas não existe bala de prata na mensuração do ROI de marketing. Há limites para o que ferramentas e IA podem dizer sozinhas.

É a sua interpretação humana e a decisão que você toma com os insights que você tem a partir do modelo de atribuição escolhido que vai definir o rumo da sua estratégia e gerar campanhas de sucesso para a sua empresa.