No marketing, a publicidade de marca no funil superior (como TV ou vídeo) gera reconhecimento e demanda ao longo do tempo. Enquanto isso, a publicidade de resposta direta de funil inferior (como a pesquisa paga) captura essa demanda para impulsionar vendas ou conversões imediatas.
Para medir esses investimentos de marketing de funil completo, um modelo de mix de marketing (MMM) padrão de estágio único pode ser confiável, econômico e simples de executar. No entanto, como um MMM de estágio único analisa todos os canais de marketing em uma única etapa, ele cria um dilema.
- Se você excluir variáveis intermediárias de patrimônio da marca (como o volume de pesquisa orgânica), vai dar crédito em excesso aos canais de funil inferior. Eles vão ser recompensados por capturar uma demanda que não criaram.
- Se você incluir variáveis intermediárias de patrimônio da marca (como controles padrão), dará pouco crédito aos canais de funil superior. Eles não vão receber o crédito por gerar essa demanda em primeiro lugar.
Considere o volume de consultas do Google com marca (bGQV, na sigla em inglês) como um exemplo de variável de patrimônio da marca. Os modelos de estágio único têm uma compensação forçada: se você incluir o bGQV como uma variável de controle no modelo, os canais de marca não vão receber o crédito que merecem por gerar esse interesse na pesquisa. Se você excluir o bGQV, vai atribuir crédito em excesso aos anúncios de resposta direta que aproveitam a demanda atual em vez de criá-la. Consulte Incluir o volume de consultas para saber mais sobre esse exemplo.
Para medir esses investimentos em marketing de funil completo, o Meridian agora oferece a MMM de funil completo usando uma abordagem de modelagem em duas etapas. O modelo do estágio 1 mede como o marketing de marca cria o patrimônio da marca. O modelo do estágio 2 mede como esse patrimônio, junto com todo o marketing, impulsiona o KPI final.
Principal problema: uma variável de controle pode ser mediadora e um fator de confusão
O principal problema de inferência causal da modelagem do mix de marketing (MMM) é a estimativa do efeito de tratamento conjunto de várias variáveis de marketing diferentes. Na inferência causal, sabemos que é necessário incluir variáveis de confusão no modelo e excluir as mediadoras (consulte Selecionar variáveis de controle). Os profissionais de MMM geralmente encontram variáveis que atuam como mediadoras para algumas variáveis de tratamento, mas como um fator de confusão para outras.
Na MMM de estágio único, os profissionais enfrentam um dilema para essas variáveis que são um fator de confusão para algumas variáveis de tratamento, mas mediadores para outras:
- Excluir a variável no modelo: não considera o efeito de confusão ao estimar o impacto dos canais de funil inferior, resultando em superestimativas tendenciosas dos ROIs desses canais.
- Incluir a variável no modelo: bloqueia o caminho causal que a publicidade de marca tem pela variável, resultando em subestimações dos ROIs do canal de marca.
As variáveis de patrimônio da marca, como consideração da marca ou volume de consultas do Google com marca (bGQV), são exemplos clássicos dessas variáveis. O marketing de marca (também conhecido como "marketing de funil superior") impulsiona o patrimônio da marca, que, por sua vez, impulsiona o KPI, sendo um mediador para o marketing de marca. Ao mesmo tempo, o patrimônio da marca gera demanda orgânica e atividade em canais de funil inferior (como anúncios de pesquisa paga). Isso faz com que o patrimônio da marca seja um fator de confusão para esses canais.
Como funciona a MMM de funil completo
O Meridian resolve esse problema principal ajustando dois modelos de MMM separados. No primeiro, uma variável de patrimônio da marca é a variável de resposta. No segundo, a variável de patrimônio da marca é uma variável explicativa.
| Estágio do funil | Objetivo | Variável de tratamento | Variável de resposta | Variáveis de controle obrigatórias |
|---|---|---|---|---|
| Modelo do estágio 1: marketing de marca \(\rightarrow\) Patrimônio da marca | Captura como o marketing de marca cria o patrimônio da marca. | Marketing de marca (por exemplo, vídeo, TV, RP). | Variável de patrimônio da marca (por exemplo, GQV com marca). | Variáveis de confusão com marketing e patrimônio da marca |
| Modelo do estágio 2: patrimônio e marketing de marca \(\rightarrow\) KPI | Captura como o marketing afeta o KPI, incluindo a demanda criada pelo estágio 1. | Todo o marketing e a variável de patrimônio da marca do estágio 1. | KPI | Variáveis de confusão com marketing e KPI e variáveis de confusão com patrimônio da marca e KPI. |
Em resumo, estamos estimando três tipos de efeitos causais:
- Estágio 1: o efeito do marketing de marca no patrimônio da marca.
- Estágio 2: o efeito do patrimônio da marca no KPI.
- Estágio 2: o efeito de todo o marketing no KPI.
Para estimar esses três tipos de efeitos, precisamos considerar os fatores de confusão de cada relação causal no modelo. Para mais informações sobre o gráfico causal pressuposto para a MMM de funil completo, consulte o gráfico causal de funil completo.
Depois que os dois modelos forem ajustados, você precisará conectar as descobertas deles. Especificamente, você propaga o efeito que o marketing de marca tem no patrimônio da marca (do primeiro modelo) para o efeito que o patrimônio da marca tem no KPI final (no segundo modelo). O chamado "efeito indireto" do primeiro modelo é incluído em estimativas causais importantes, como ROI, ROI marginal, curvas de resposta e otimização de orçamento.
Para mais detalhes sobre como executar a MMM de funil completo no Meridian, consulte o tutorial Funil completo do Meridian. Esse guia inclui todas as considerações detalhadas de modelagem e como propagar o efeito indireto com uma classe AnalyzerFullFunnel.
Como escolher entre a MMM de funil completo e de estágio único
Essa decisão se resume a uma compensação fundamental: a MMM de funil completo resolve o problema do mediador e do fator de confusão, mas requer a estimativa de mais efeitos causais e a identificação de mais variáveis de confusão.
- A MMM de estágio único é mais simples e requer apenas a identificação de variáveis de confusão entre o marketing e o KPI final. No entanto, se o patrimônio da marca for um mediador para o marketing de marca e um fator de confusão para o marketing de funil inferior, você vai enfrentar um dilema inevitável: incluir o patrimônio da marca dá pouco crédito aos canais de marca, enquanto excluí-lo dá muito crédito aos canais de funil inferior.
- A MMM de funil completo resolve esse dilema modelando explicitamente o efeito indireto pelo mediador. No entanto, é necessário estimar três tipos de efeitos causais (marketing de marca \(\rightarrow\) patrimônio da marca, patrimônio da marca \(\rightarrow\) KPI e todo o marketing \(\rightarrow\)KPI). É preciso identificar e controlar os fatores de confusão em ambos os estágios, o que aumenta os requisitos de dados e a sensibilidade a fatores de confusão não observados.
A complexidade extra da MMM de funil completo vale a pena quando:
- O caminho indireto é substancial: o marketing de marca tem um efeito significativo no patrimônio da marca, e o patrimônio da marca impulsiona as vendas de forma significativa. Se esse caminho for fraco, o viés de estágio único será mínimo.
- As variáveis de confusão são mensuráveis para as duas etapas: você tem dados confiáveis para controlar os três tipos diferentes de variáveis de confusão necessárias.
Caso contrário, uma MMM de estágio único pode ser a escolha mais confiável.
Um framework genérico para o patrimônio da marca
O volume de consultas do Google com marca (bGQV, na sigla em inglês) é uma variável comum de patrimônio da marca para a MMM de funil completo do Meridian, já que é um mediador para o marketing de marca e um fator de confusão para o marketing de funil inferior (especialmente anúncios de pesquisa). O bGQV está disponível com granularidade semanal e geográfica na MMM Data Platform.
No entanto, a estrutura de funil completo é totalmente genérica. Ela pode ser aplicada a qualquer métrica intermediária de integridade da marca que se encaixe no gráfico causal de funil completo presumido.