Im Marketing werden mit Markenwerbung im oberen Trichterbereich (z. B. TV oder Video) mit der Zeit Markenbekanntheit und Nachfrage aufgebaut. Mit Direct-Response-Werbung im unteren Trichterbereich (z. B. bezahlte Suche) wird diese Nachfrage dann genutzt, um sofortige Verkäufe oder Conversions zu erzielen.
Zur Messung dieser Full-Funnel-Marketinginvestitionen ist ein standardmäßiges einstufiges Marketing-Mix-Modell zuverlässig, parsimonisch und relativ einfach zu implementieren. Da dabei aber alle Marketing-Channels in einem einzigen Schritt analysiert werden, entsteht ein Dilemma.
Wenn Sie Zwischenvariablen für den Markenwert (z. B. das Volumen der organischen Suche) ausschließen, werden Channels im unteren Trichterbereich überbewertet, denn ihnen wird Nachfrage zugeordnet, die sie gar nicht generiert haben.
Wenn Sie Zwischenvariablen für den Markenwert (als Standardkontrollvariablen) einbeziehen, werden die Channels im oberen Trichterbereich zu wenig berücksichtigt, denn ihnen wird Nachfrage, die sie generiert haben, nicht zugeordnet.
Ein Beispiel für eine Markenwertvariable ist das Google-Suchvolumen für Marken (Branded Google Query Volume, bGQV). Bei einstufigen Modellen gibt es einen unvermeidbaren Trade-off: Wenn Sie das bGQV als Kontrollvariable in das Modell aufnehmen, werden die Marken-Channels zu wenig gewürdigt. Schließen Sie es aus, werden Direct-Response-Anzeigen, die keine Nachfrage generieren, sondern vorhandene nutzen, zu stark berücksichtigt. Weitere Informationen zu diesem Beispiel
Zur Messung dieser Full-Funnel-Marketinginvestitionen bietet Meridian jetzt ein Full-Funnel-MMM mit einem zweistufigen Modellierungsansatz. Das Modell der Phase 1 misst, wie Markenmarketing den Markenwert steigert. Im Modell der Phase 2 wird gemessen, wie dieser Markenwert zusammen mit allen Marketingmaßnahmen den endgültigen KPI beeinflusst.
Das Kernproblem: Eine Kontrollvariable kann Mediator oder Störfaktor sein
Das zentrale Problem der kausalen Inferenz bei der Marketing-Mix-Modellierung (MMM) ist die Schätzung des gemeinsamen Kausaleffekts mehrerer verschiedener Marketingvariablen. Bei der kausalen Inferenz gilt, dass Störvariablen in das Modell einbezogen, Mediatorvariablen dagegen ausgeschlossen werden müssen (siehe Kontrollvariablen auswählen). Beim MMM gibt es häufig Variablen, die für einige Treatment-Variablen ein Mediator und für andere ein Störfaktor sind.
Beim einstufigen MMM entsteht so ein Dilemma:
- Variable im Modell ausschließen: Dies vernachlässigt den Störeffekt bei der Schätzung der Auswirkungen von Channels im unteren Trichterbereich, was zu verzerrten Überschätzungen der zugehörigen ROIs führt.
- Variable im Modell einbeziehen: Dies blockiert den kausalen Pfad der Markenwerbung über diese Variable, was zu Unterschätzungen der ROIs von Marken-Channels führt.
Markenwertvariablen wie die Kaufbereitschaft oder das bGQV sind klassische Beispiele für solche Variablen. Markenmarketing (auch „Marketing im oberen Trichterbereich“ genannt) steigert den Markenwert, was wiederum den KPI beeinflusst. Dadurch wird der Markenwert zu einem Mediator für das Markenmarketing. Gleichzeitig fördert der Markenwert die organische Nachfrage und die Aktivität in Channels im unteren Trichterbereich (z. B. bezahlte Suchanzeigen). Der Markenwert ist also ein Störfaktor für diese Channels.
Funktionsweise von Full-Funnel-MMM
Meridian löst dieses Kernproblem, indem es zwei separate MMM-Modelle anpasst. Im ersten Modell ist eine Markenwertvariable die Antwortvariable. Im zweiten Modell ist die Markenwertvariable eine erklärende Variable.
In der folgenden Tabelle sind die Rollen, Treatment-Variablen, Antwortvariablen und erforderlichen Kontrollvariablen für jede Trichterphase zusammengefasst:
| Trichterphase | Ziel | Treatment-Variable | Antwortvariable | Erforderliche Kontrollvariablen |
|---|---|---|---|---|
| Modell der Phase 1: Markenmarketing → Markenwert | Erfasst, wie Markenmarketing den Markenwert steigert | Markenmarketing (z. B. Video, TV, PR) | Markenwertvariable (z. B. bGQV) | Störfaktoren zwischen Markenmarketing und Markenwert |
| Modell der Phase 2: Markenwert und Marketing → KPI | Erfasst, wie sich Marketing auf den KPI auswirkt, einschließlich der in Phase 1 aufgebauten Nachfrage | Alle Marketingvariablen und die Markenwertvariable von Phase 1 | KPI | Störfaktoren zwischen Marketing und KPI sowie Störfaktoren zwischen Markenwert und KPI |
Zusammenfassend schätzen wir drei Arten von kausalen Effekten:
- Phase 1: Der Effekt des Markenmarketings auf den Markenwert.
- Phase 2: Der Effekt des Markenwerts auf den KPI.
- Phase 2: Der Effekt des gesamten Marketings auf den KPI.
Um diese drei Arten von Effekten zu schätzen, müssen wir Störfaktoren für jede kausale Beziehung innerhalb des Modells berücksichtigen, mit dem die kausale Wirkung ermittelt wird. Weitere Informationen
Sobald beide Modelle angepasst sind, müssen Sie ihre Ergebnisse verknüpfen. Konkret wird der Effekt des Markenmarketings auf den Markenwert (aus dem ersten Modell) auf den Effekt des Markenwerts auf den endgültigen KPI (im zweiten Modell) übertragen. Der sogenannte „indirekte Effekt“ aus dem ersten Modell wird in Schätzungen wichtiger kausaler Schätzgrößen wie ROI, Grenz-ROI, Reaktionskurven und Budgetoptimierung einbezogen.
Zwischen MMM für den gesamten Trichter und einstufigem MMM wählen
Die Entscheidung zwischen einstufigem und Full-Funnel-MMM ist eine grundlegende Abwägung: Ein MMM für den gesamten Trichter löst das Problem von Mediator- und Störvariable, erfordert aber die Schätzung von mehr kausalen Effekten und die Identifizierung von mehr Störvariablen.
- Ein einstufiges MMM ist einfacher und erfordert nur die Identifizierung von Störfaktoren zwischen Marketing und dem endgültigen KPI. Wenn der Markenwert jedoch ein Mediator für das Markenmarketing und ein Störfaktor für das Marketing im unteren Trichterbereich ist, stehen Sie vor einem unvermeidbaren Dilemma: Wenn Sie den Markenwert einbeziehen, werden Marken-Channels zu wenig berücksichtigt, während bei einem Ausschluss Channels im unteren Trichterbereich zu stark berücksichtigt werden.
- Ein Full-Funnel-MMM löst dieses Dilemma, indem der indirekte Effekt über den Mediator explizit modelliert wird. Dazu müssen jedoch drei Arten von kausalen Effekten geschätzt werden (Markenmarketing → Markenwert, Markenwert → KPI und das gesamte Marketing → KPI). Sie müssen Störfaktoren in beiden Phasen identifizieren und kontrollieren. Dadurch steigen die Datenanforderungen und die Empfindlichkeit gegenüber nicht beobachteten Störfaktoren.
In diesen Fällen ist ein Full-Funnel-MMM trotz der zusätzlichen Komplexität sinnvoll:
- Der indirekte Pfad ist substanziell: Markenmarketing hat einen erheblichen Einfluss auf den Markenwert und der Markenwert ist ein wichtiger Faktor für den Umsatz. Wenn dieser Effekt gering ist, führt ein einstufiges Modell kaum zu Verzerrungen.
- Bei beiden Phasen sind Störfaktoren messbar: Sie haben zuverlässige Daten, um die drei verschiedenen Arten von notwendigen Störfaktoren zu kontrollieren.
Andernfalls ist ein einstufiges MMM möglicherweise die zuverlässigere Wahl.
Zusammengesetzter Adstock-Verfall im Full-Funnel-MMM
Beim Full-Funnel-MMM wird der indirekte Pfad durch den Adstock-Verfall von Markenmedienvariablen in Phase 1 und den Adstock-Verfall der Markenwertvariable in Phase 2 beeinflusst. Diese Effekte verstärken sich, was zu einem komplexeren Muster beim Adstock-Verfall führt als in den einzelnen Phasen. Der zusammengesetzte Adstock-Verfall ist eine Funktion der Verfallparameter der einzelnen Phasen (adstock_decay_spec, max_lag und channelspezifische Verfallsrate) und des relativen Beitrags jeder Phase zum gesamten inkrementellen Effekt des Channels.
Um zu verstehen, warum sich die Effekte verstärken, betrachten wir ein Full-Funnel-MMM, bei dem die max_lag-Parameter für Phase 1 und Phase 2 max_lag1 bzw. max_lag2 sind. In diesem Fall:
- In Phase 1 wirken sich Media-Channels von Zeitpunkt
tbis Zeitpunktt+max_lag1auf den Markenwert aus. - In Phase 2 wirken sich Media-Channels und der Markenwert von Zeitpunkt
tbis Zeitpunktt+max_lag2auf den KPI aus. - In Phase 2 wirkt sich der Markenwert zum Zeitpunkt
t+max_lag1auf den KPI bis zum Zeitpunktt+max_lag1+max_lag2aus.
Dadurch erstreckt sich der zusammengesetzte Adstock-Verfall über einen längeren Zeitraum als in den einzelnen Phasen. So können Sie längerfristige Adstock-Verfallseffekte auf Marken-Media-Channels modellieren. Eine Visualisierung des Adstock-Verfalls für Ihr Full-Funnel-MMM finden Sie hier. Weitere Informationen dazu, wie der Adstock-Verfall in Meridian modelliert wird, finden Sie unter Parameter „adstock_decay_spec“ festlegen.
Ein generisches Framework für den Markenwert
Das bGQV ist eine gängige Variable für den Markenwert im Full-Funnel-MMM von Meridian, da es als Mediator für das Markenmarketing und als Störfaktor für das Marketing im unteren Trichterbereich (insbesondere Suchanzeigen) dient. Das bGQV ist auf der MMM Data Platform auf wöchentlicher und geografischer Ebene verfügbar.
Das Framework für den gesamten Trichter ist jedoch vollständig generisch. Es kann auf jeden Zwischenmesswert für die Markenstärke angewendet werden, der zum angenommenen kausalen Diagramm für den gesamten Trichter passt.