マーケティングでは、上流ファネルのブランド広告（テレビや動画など）を使用して、時間をかけてブランド認知度と需要を高めます。一方、下流ファネルのダイレクト レスポンス広告（有料検索など）では、その需要を捉えて、即時の販売やコンバージョンを促進します。
このようなフルファネル マーケティング投資を測定する場合、標準的な単一ステージ マーケティング ミックス モデル（MMM）が信頼性が高く、倹約的で、比較的簡単に実行できます。しかし、単一ステージ MMM では、すべてのマーケティング チャネルを 1 つのステップで分析するため、次のようなジレンマが生じます。
- 中間ブランド エクイティ変数（オーガニック検索ボリュームなど）を除外すると、下流ファネルのチャネルの貢献度を過大評価し、実際には創出していない需要について功績を認めることになります。
- 中間ブランド エクイティ変数を（標準コントロールとして）含めると、上流ファネルのチャネルの貢献度を過小評価し、需要を創出した功績を認めないことになります。
ブランド エクイティ変数の例として、ブランドの Google 検索ボリューム（bGQV）を考えてみましょう。単一ステージモデルには、必然的にトレードオフが伴います。bGQV をモデルのコントロール変数として含めると、ブランド チャネルが検索インタレストを促進した功績を過小評価することになります。一方、bGQV を除外すると、需要を創出せずに既存の需要を取り込むダイレクト レスポンス広告の貢献度を過大評価することになります。この例の詳細については、検索ボリュームを含めるをご覧ください。
メリディアンでは、こうしたフルファネル マーケティング投資を測定するために、2 つのステージによるモデリング アプローチを使用したフルファネル MMM を提供しています。ステージ 1 のモデルでは、ブランド マーケティングがブランド エクイティをどのように構築するかを測定します。ステージ 2 のモデルでは、そのブランド エクイティがすべてのマーケティングとともに最終的な KPI をどのように促進するかを測定します。
根本的な問題: コントロール変数がメディエーターと交絡因子の両方になり得る
マーケティング ミックス モデリング（MMM）の因果推論の根本的な問題は、複数の異なるマーケティング変数の合同介入群効果の推定です。因果推論では、モデルに交絡変数を含め、メディエーター変数を除外する必要があります（コントロール変数の選択を参照）。MMM の実務担当者は、一部の介入群変数に対してメディエーターとして機能するものの、他の変数に対しては交絡因子として機能する変数に遭遇することがよくあります。
単一ステージ MMM では、一部の介入変数に対しては交絡因子であり、他の介入変数に対してはメディエーターであるような変数について、次のようなジレンマに直面します。
- モデルから変数を除外する: 下流ファネルのチャネルの影響を推定する際に、交絡効果を考慮できないため、下流ファネルのチャネルの ROI がバイアスによって過大評価されます。
- モデルに変数を含める: ブランド広告が変数を通じて持つ因果経路がブロックされるため、ブランド チャネルの ROI が過小評価されます。
ブランド エクイティ変数（ブランドの比較検討やブランドの Google 検索ボリューム（bGQV）など）は、このような変数の典型的な例です。ブランド マーケティング（「上流ファネル マーケティング」とも呼ばれます）は、ブランド エクイティを促進します。ブランド エクイティは KPI を促進し、ブランド マーケティングのメディエーターとなります。その一方で、ブランド エクイティは、下流ファネルのチャネル（有料検索広告など）でのオーガニック需要とアクティビティを促進します。これにより、ブランド エクイティはこれらのチャネルの交絡因子となります。
フルファネル MMM の仕組み
メリディアンは、2 つの異なる MMM モデルを適合させることで、この根本的な問題を解決します。1 つ目のモデルでは、ブランド エクイティ変数は応答変数として機能します。2 つ目のモデルでは、ブランド エクイティ変数は説明変数として機能します。
| ファネル ステージ | 目標 | 介入群変数 | 応答変数 | 必要なコントロール変数 |
|---|---|---|---|---|
| ステージ 1 のモデル: ブランド マーケティング \(\rightarrow\) ブランド エクイティ | ブランド マーケティングがどのようにブランド エクイティを構築するかを把握する | ブランド マーケティング（動画、テレビ、PR など） | ブランド エクイティ変数（ブランド GQV など）。 | ブランド マーケティングとブランド エクイティに関する交絡因子 |
| ステージ 2 のモデル: ブランド エクイティとマーケティング \(\rightarrow\) KPI | マーケティングが KPI に及ぼす効果を把握する（ステージ 1 で構築された需要も含む） | すべてのマーケティング変数とステージ 1 のブランド エクイティ変数 | KPI | マーケティングと KPI に関する交絡因子、ブランド エクイティと KPI に関する交絡因子 |
まとめると、次の 3 種類の因果効果を推定します。
- ステージ 1: ブランド マーケティングがブランド エクイティに及ぼす効果。
- ステージ 2: ブランド エクイティが KPI に及ぼす効果。
- ステージ 2: すべてのマーケティングが KPI に及ぼす効果。
これら 3 種類の効果を推定するには、因果効果を推定するモデル内の各因果関係の交絡因子を考慮する必要があります。フルファネル MMM で想定される因果グラフの詳細については、フルファネルの因果グラフをご覧ください。
両方のモデルを適合させたら、それらの結果を関連付ける必要があります。具体的には、ブランド マーケティングがブランド エクイティに及ぼす効果（1 つ目のモデル）を、ブランド エクイティが最終的な KPI に及ぼす効果（2 つ目のモデル）に伝播します。1 つ目のモデルのいわゆる「間接効果」は、主要な因果関係の推定値（費用対効果、限界費用対効果、応答曲線、予算の最適化など）に含まれます。
メリディアンでフルファネル MMM を実行する方法の詳細については、メリディアンのフルファネルのチュートリアルをご覧ください。このチュートリアルでは、モデリングに関する詳細な考慮事項と、AnalyzerFullFunnel クラスを使用して間接効果を伝播する方法について説明します。
フルファネル MMM と単一ステージ MMM の選択
単一ステージ MMM とフルファネル MMM のどちらを選択しても、根本的なトレードオフに行き着きます。フルファネル MMM ではメディエーターと交絡因子の問題を解決できますが、より多くの因果効果を推定し、より多くの交絡因子変数を特定する必要があります。
- 単一ステージ MMM はよりシンプルで、マーケティングと最終的な KPI の間の交絡因子を特定するだけで済みます。ただし、ブランド エクイティがブランド マーケティングのメディエーターであり、下流ファネル マーケティングの交絡因子である場合、避けられないジレンマに直面します。つまり、ブランド エクイティを含めると、ブランド チャネルの貢献度が過小評価され、除外すると、下流ファネルのチャネルの貢献度が過大評価されます。
- フルファネル MMM では、メディエーターを介した間接的な効果を明示的にモデル化することで、このジレンマを解決します。ただし、3 種類の因果効果（ブランド マーケティング \(\rightarrow\) ブランド エクイティ、ブランド エクイティ \(\rightarrow\) KPI、すべてのマーケティング \(\rightarrow\)KPI）を推定する必要があります。両方のステージで交絡因子を特定して制御する必要があるため、これによってデータ要件が増え、観測されていない交絡要因に対する感度が高まります。
フルファネル MMM は次のような場合に、こうした複雑さに見合うだけの価値をもたらします。
- 間接的な経路の影響が大きい場合: ブランド マーケティングがブランド エクイティに大きな効果を及ぼしており、ブランド エクイティによって売り上げが強力に推進されています。この経路が弱い場合、単一ステージのバイアスは最小限になります。
- 交絡因子が両方のステージで測定可能な場合: 3 種類の必要な交絡因子を制御するための信頼できるデータがあります。
そうでない場合は、単一ステージ MMM の方が信頼性の高い選択肢となる可能性があります。
ブランド エクイティの一般的なフレームワーク
ブランドの Google 検索ボリューム（bGQV）は、メリディアンのフルファネル MMM でよく使用されるブランド エクイティ変数です。bGQV はブランド マーケティングのメディエーターであり、下流ファネル マーケティング（特に検索広告）の交絡因子でもあります。bGQV は、MMM Data Platform で週単位および地域単位の粒度で利用できます。
ただし、フルファネル フレームワークは完全に汎用的で、想定されるフルファネル因果グラフに適合する中間ブランド健全性指標に適用できます。