Sie können Verlaufsdaten zu verschiedenen Marketing- und anderen Variablen wie Werbeausgaben, Preisen und umsatz- oder leistungsbezogenen Messwerten erfassen.
Zu den erforderlichen Daten gehören:
| Datentyp | Beschreibung |
|---|---|
| Media-Daten | Enthält den Präsenzmesswert nach Channel, geografischer Einheit und Zeitraum. Zu den möglichen Messwerten gehören unter anderem Ausgaben, Impressionen und Klicks. Sie können je nach Channel variieren. Wichtig ist, dass es sich um beeinflussbare Einheiten handelt – sie stellen Marketingaktivitäten dar, die sich in angemessener Weise steuern lassen. Media-Werte dürfen nicht negativ sein. |
| Media-Ausgaben | Sie enthalten die Media-Ausgaben pro Channel und Zeitraum. Für Media-Daten und ‑Ausgaben müssen dieselben Dimensionen verwendet werden. |
| Kontrollvariablen | Enthält die Störfaktoren, die sowohl eine kausale Wirkung auf den Ziel-KPI als auch auf den Media-Messwert haben (z. B. das Google-Suchvolumen). Die Auswahl der Kontrollvariablen ist wichtig für die Schätzung der kausalen Wirkung von Marketing Mix Modeling (MMM). Weitere Informationen finden Sie unter Kausales Diagramm. |
| KPI | Der Ziel-KPI, den das Modell vorhersagen soll, z. B. Umsatz oder Anzahl der App-Installationen. Dies ist auch die Antwortvariable des MMM. |
| Umsatz pro KPI | Der durchschnittliche Umsatz für eine KPI-Einheit. Sind keine genauen Informationen über den Umsatz pro KPI-Einheit vorhanden, sollten Sie einen rationalen Wert schätzen. Wenn solche Informationen nicht verfügbar sind, lesen Sie den Hilfeartikel Wenn der KPI nicht „Umsatz“ ist. „Umsatz pro KPI“ ist nicht erforderlich, wenn Ihr KPI umsatzbezogen ist. |
| Grundgesamtheit nach geografischer Einheit | Enthält die Grundgesamtheit für jede geografische Einheit. Die Grundgesamtheit der geografischen Einheit (z. B. die TV-Grundgesamtheit für Haushalte nach Nielsen DMA) wird verwendet, um den Media-Messwert zu skalieren und alle geografischen Einheiten auf eine vergleichbare Skala zu bringen. Weitere Informationen zur Media-Skalierung finden Sie unter Eingabedaten. |
Mit Meridian können Sie die Wirkung eines beliebigen Media-Channels anhand von Daten zur Reichweite und Häufigkeit modellieren. Weitere Informationen finden Sie unter Reichweite und Häufigkeit.
| Datentyp | Beschreibung |
|---|---|
| Reichweite | Die Reichweitendaten geben die Anzahl der einzelnen Nutzer an, die die Anzeigen in den Channels im jeweiligen Zeitraum gesehen haben. |
| Häufigkeit | Die Häufigkeit gibt an, wie oft eine Person eine Anzeige im Durchschnitt gesehen hat. Sie entspricht der Gesamtzahl der Impressionen geteilt durch die Reichweite für den jeweiligen Zeitraum. |
Mit Meridian können auch Variablen für organische Media und nicht mediabezogene Testgruppen berücksichtigt werden. Weitere Informationen finden Sie unter Variablen für organische Media und nicht mediabezogene Variablen.
| Datentyp | Beschreibung |
|---|---|
| Variablen für organische Media | Variablen für organische Media sind Media-Aktivitäten ohne direkte Kosten, z. B. Impressionen aus Newslettern, Blogbeiträgen, Aktivitäten in sozialen Medien oder E-Mail-Kampagnen. |
| Nicht mediabezogene Testgruppen | Nicht mediabezogene Variablen sind Marketingaktivitäten, die nicht direkt mit Media in Verbindung stehen, z. B. Werbeaktionen, der Preis eines Produkts und Änderungen an der Verpackung oder dem Design eines Produkts. |
KPI
Der KPI ist die \(y\) Variable auf der linken Seite der Modellspezifikation. Das kann entweder ein umsatzbezogener oder ein anderer (nicht umsatzbezogener) KPI sein, z. B. Conversions.
Einige Modellierer verwenden lieber einen nicht umsatzbezogenen KPI als Antwortvariable, auch wenn Umsatz letztendlich der KPI ist. Mit Meridian können Sie KPI-Einheiten in Umsatz umrechnen. Dazu werden Daten zum Umsatz pro KPI für jede geografische Einheit und jeden Zeitraum bereitgestellt. Weitere Informationen finden Sie unter Wenn der KPI nicht „Umsatz“ ist.
Variablen für Media, organische Media, nicht mediabezogene Testgruppen und Kontrollgruppen
Für Variablen für Media, organische Media, nicht mediabezogene Testgruppen und Kontrollgruppen sollten Zeitreihendaten verfügbar sein.
Media-Variablen: Der Datensatz muss für jede Media-Einheit die Ausgaben für die einzelnen Media-Channels enthalten, die als Nenner für ROI-Berechnungen verwendet werden. Außerdem muss jede kostenpflichtige Media-Einheit eines der folgenden Elemente für die Modellierung enthalten:
- Einen einzelnen Messwert für die Media-Präsenz, z. B. Impressionen, Klicks oder Ausgaben
- Reichweite und Häufigkeit
Variablen für organische Media: Für organische Media fallen keine Ausgaben an. Sie können bei der Eingabe der Media-Ausgaben ausgeschlossen werden. Außerdem muss jede organische Media-Einheit eines der folgenden Elemente für die Modellierung enthalten:
- Einen einzelnen Messwert für die Media-Präsenz, z. B. Impressionen oder Klicks.
- Reichweite und Häufigkeit: Weitere Informationen zur Modellierung mit organischen Media finden Sie unter Organische Media.
Nicht mediabezogene Testgruppen: Nicht mediabezogene Variablen sind Marketingaktivitäten, die nicht direkt mit Media in Verbindung stehen und mit denen keine direkten Marketingkosten verbunden sind. Sie unterscheiden sich von Kontrollvariablen, weil sie als beeinflussbar gelten und daher im kausalen Modell Testvariablen sind. Weitere Informationen zum Modellieren mit nicht mediabezogenen Testgruppen
Kontrollvariablen: Mit Kontrollvariablen lässt sich der Einfluss von Störfaktoren kontrollieren. Sie sollten sich darauf konzentrieren, Variablen zu erfassen, die eine kausale Wirkung auf den Ziel-KPI und auf den Media-Messwert oder die Media-Ausführung haben. Da es schwierig ist, eine umfassende Liste der Variablen zu erstellen, die den KPI beeinflussen, ist es oft praktischer, sich auf Variablen zu konzentrieren, die sich auf das Media-Budget und auf Planungsentscheidungen auswirken. Sie können Ihren Marketingplaner fragen, welche Informationen seine Entscheidung bewusst oder unbewusst beeinflusst haben könnten. Weitere Informationen zum Modellieren mit Kontrollvariablen
Beispiele für Kontrollvariablen sind Marktwettbewerb und das Google-Suchvolumen. Weitere Informationen zum Suchvolumen finden Sie unter Suchvolumen als Störfaktor für Suchanzeigen.
Saisonale Variablen: Saisonale Variablen wie Dummy-Variablen für Feiertage werden in der Regel als Kontrollvariablen in die Modellspezifikation aufgenommen. Meridian bietet jedoch eine Funktion die automatische Anpassungen für Saisonalität und Trends vornimmt. Sie wird über eine Modellspezifikation implementiert, bei der sich der Achsenabschnitt im Zeitverlauf ändert. Daher sind keine separaten saisonalen Variablen erforderlich.
Alternativ können Sie die automatische saisonale Anpassung deaktivieren und eigene saisonale Variablen einbeziehen.
Datenerhebung
Sie müssen für jede Variable den zu erhebenden Datentyp ermitteln. Dazu können Media- oder Marketingpläne verwendet werden. Mit der MMM Data Platform können Sie dann Daten zur Media-Präsenz für Google-Channels erheben, einschließlich Messwerten wie Klicks und Impressionen. Darüber hinaus bietet die MMM Data Platform auch Daten zur Reichweite und Häufigkeit speziell für YouTube. Weitere Informationen finden Sie unter MMM Data Platform verwenden.
Das Erheben von Daten zum Google-Suchvolumen ist optional. Wenn Sie das Google-Suchvolumen jedoch nicht berücksichtigen, kann das zu Verzerrungen bei Ihren Modellschätzungen führen. Sie können Meridian jedoch auch ohne Daten zum Google-Suchvolumen verwenden.
Ihre Daten müssen im richtigen Format vorliegen, damit das Modell ausgeführt werden kann. Weitere Informationen zum Format finden Sie in den Datenbeispielen unter Unterstützte Datentypen und ‑formate.
Detaillierungsgrad
Im Allgemeinen liefern detailliertere Daten genauere Informationen und können dabei helfen, umsetzbare Ergebnisse zu ermitteln. Berücksichtigen Sie folgende Aspekte für den Detaillierungsgrad von Daten.
Geografischer Detaillierungsgrad
Best Practice: Erheben Sie Daten auf geografischer Ebene. So können Sie entsprechende Nuancen berücksichtigen und das hierarchische bayessche Framework von Meridian verwenden, um engere Glaubwürdigkeitsintervalle für Schätzungen wie den ROI zu erhalten. In bestimmten geografischen Einheiten gibt es eventuell nur wenige Beobachtungen. Daher ist es ratsam, diese geografischen Einheiten vor der Modellanpassung aus dem Datensatz auszuschließen, um zuverlässige Modellschätzungen zu erhalten. Weitere Informationen finden Sie unter Geografische Auswahl und Daten auf Länderebene.
Zulässige Alternative: Wenn keine Daten auf geografischer Ebene verfügbar sind, können Sie Daten auf Länderebene verwenden. Prüfen Sie jedoch, ob die länderspezifischen Daten genug Datenpunkte pro Auswirkung enthalten, die Sie analysieren möchten. Weitere Informationen finden Sie unter Erforderliche Datenmenge.
Zeitlicher Detaillierungsgrad
Best Practice: Erheben Sie Daten auf Wochenebene. Wöchentliche Daten bieten ein gutes Gleichgewicht zwischen dem Grad der Abweichung und der Stärke des Rauschens, insbesondere im Vergleich zu täglichen oder monatlichen Daten.
Zulässige Alternative: Wenn keine wöchentlichen Daten verfügbar sind, können Sie stattdessen tägliche oder monatliche Daten testen. Wenn tägliche Daten verwendet werden, benötigt das Modell eventuell länger. Bei der Verwendung monatlicher Daten kann es zu Nichtkonvergenz oder breiten Unsicherheitsintervallen bei den Modellschätzungen kommen.
Media-Detaillierungsgrad
Wir empfehlen, weniger als 20 Media-Channels zu verwenden, damit für jeden ausreichend Variation und Volumen für zuverlässige Schätzungen sichergestellt werden können. Media-Channels mit niedrigen Media-Ausgaben sollten mit anderen Channels kombiniert werden, um Probleme bei der ROI-Berechnung zu vermeiden. Weitere Informationen zu Channels mit niedrigen Ausgaben
Zeitraum
Generell sollten für Modelle auf geografischer Ebene mindestens zwei Jahre an wöchentlichen Daten vorliegen, für Modelle auf Länderebene drei Jahre. Wenn nur monatliche Daten verfügbar sind, empfehlen wir mindestens drei Jahre. Für genaue Berechnungen benötigt das Modell genügend Datenpunkte. Die Bestimmung der Datenmenge kann jedoch komplexer sein und hängt letztlich von Ihren Daten ab. Ausführlichere Informationen finden Sie unter Erforderliche Datenmenge.
Nachdem Sie Ihre Daten erhoben haben, sollten Sie eine explorative Datenanalyse durchführen, um sicherzustellen, dass sie korrekt und vollständig sind.
Unternehmen, die Leads generieren, mit langen Verkaufszyklen
Bei Unternehmen, die Leads generieren und lange Verkaufszyklen haben, richten sich die Best Practices nach der Zielvariablen, z. B. nach dem Ergebnis, das Sie analysieren möchten. Wenn es mehrere Monate dauert, bis ein Lead generiert ist, können Sie KPIs für unmittelbare Aktionen berücksichtigen, z. B. die Anzahl der Conversions, Websitebesuche oder eingereichten Formulare.