Reúna dados históricos sobre diversas variáveis de marketing e não marketing, como gastos com publicidade, preços e métricas de receita ou performance.
Entre os dados obrigatórios estão:
| Tipo de dados | Descrição |
|---|---|
| Dados de mídia | Contêm a métrica de exposição por canal, região geográfica e período. As possíveis métricas incluem, entre outras, gastos, impressões e cliques, que podem variar de acordo com o canal. O importante é que elas são unidades passíveis de intervenção, ou seja, representam esforços de mídia que podem ser controlados de maneira razoável. Todos os valores de mídia precisam ser não negativos. |
| Gasto de mídia | Contém os gastos por canal e período. Os dados e os gastos de mídia precisam ter as mesmas dimensões. |
| Variáveis de controle | Contém os fatores de confusão que têm um efeito causal no KPI desejado e na métrica de mídia, como o volume de consultas do Google (GQV, na sigla em inglês). A seleção dessas variáveis é importante para estimar o efeito causal de uma MMM. Consulte o artigo Gráfico causal. |
| KPI | O KPI desejado que o modelo vai prever. Por exemplo, o valor da receita ou o número de instalações do aplicativo. E também é a variável de resposta da MMM. |
| Receita por KPI | Contém a receita média por unidade de KPI. Na ausência de um valor preciso, recomendamos usar um valor lógico aproximado. Se essas informações não estiverem disponíveis, consulte Quando o KPI não é receita. Se a receita for seu KPI, a receita por KPI não será necessária. |
| População geográfica | Contém a população de cada região geográfica. Essa informação (como a população de domicílios da DMA com TV da Nielsen) é usada para dimensionar a métrica de mídia e colocar todas as localidades em uma escala comparável. Consulte Dados de entrada para mais detalhes sobre o dimensionamento de mídia. |
O Meridian oferece a opção de modelar o efeito de qualquer canal de mídia com base nos dados de alcance e frequência.
| Tipo de dados | Descrição |
|---|---|
| Alcance | O número de indivíduos únicos expostos ao anúncio dos canais em cada período. |
| Frequência | O número médio de vezes que uma pessoa é exposta a um anúncio. É igual à quantidade total de impressões dividida pelo alcance de cada período. |
O Meridian também permite incluir variáveis de mídia orgânica e de tratamento que não são de mídia. Para mais informações, consulte Variáveis de mídia orgânica e de tratamento não relacionadas à mídia.
| Tipo de dados | Descrição |
|---|---|
| Mídia orgânica | As variáveis de mídia orgânica são atividades de mídia que não têm custo direto. Isso pode incluir, sem limitação, impressões de newsletters, postagens de blogs, atividades em redes sociais ou campanhas por e-mail. |
| Tratamentos que não são de mídia | Essas variáveis são atividades de marketing que não estão diretamente relacionadas à mídia, como a realização de uma promoção, o preço de um produto e uma mudança na embalagem ou no design de um item. |
KPI
A KPI é a \(y\) variável à esquerda da especificação do modelo. Pode ser a receita ou algum outro KPI, como conversões.
Mesmo quando a receita é o KPI, alguns modeladores preferem usar outro KPI como variável de resposta. O Meridian permite converter unidades de KPI em receita, fornecendo dados por KPI para cada unidade geográfica e período. Para mais informações, consulte Quando o KPI não é receita.
Variáveis de mídia, mídia orgânica, controle e tratamento não relacionadas à mídia
Essas variáveis precisam ter dados de séries temporais disponíveis.
Variáveis de mídia: o conjunto de dados de cada mídia paga precisa incluir o gasto dos canais, que é usado como denominador para os cálculos de ROI. Além disso, cada mídia paga precisa incluir uma das seguintes opções para fins de modelagem:
- Uma única métrica de exposição à mídia, como impressões, cliques ou gastos
- Alcance e frequência.
Variáveis de mídia orgânica: a mídia orgânica não tem gastos associados e pode ser excluída das informações sobre gastos de mídia. Além disso, cada mídia orgânica precisa incluir uma das seguintes opções para fins de modelagem:
- Uma única métrica de exposição à mídia, como impressões ou cliques.
- Alcance e frequência. Para mais informações sobre a modelagem com mídia orgânica, consulte Mídia orgânica.
Variáveis de tratamento não relacionadas à mídia: essas variáveis são atividades de marketing que não estão diretamente relacionadas à mídia e não têm custo de marketing direto associado a elas. Elas diferem das variáveis de controle porque são consideradas intervenientes e, portanto, são variáveis de tratamento no modelo causal. Para mais informações sobre essa modelagem, consulte Variáveis de tratamento não relacionadas à mídia.
Variáveis de controle: administram os fatores de confusão e coletam variáveis que têm um efeito causal tanto no KPI desejado quanto na métrica ou execução de mídia. Como é difícil criar uma lista abrangente de variáveis que afetam o KPI, é melhor se concentrar naquelas que impactam o orçamento de mídia e as decisões de planejamento. Comece perguntando ao planejador de marketing quais informações, de maneira consciente ou inconsciente, foram importantes para tomar as decisões. Consulte Variáveis de controle para mais detalhes sobre a modelagem com elas.
Entre as variáveis de controle estão a concorrência no mercado e o GQV. Para mais informações sobre o GQV, consulte Entender o volume de consultas como um fator de confusão para anúncios de pesquisa.
Variáveis relacionadas à sazonalidade: costumam ser incorporadas como variáveis de controle na especificação do modelo (por exemplo, modelos de feriados). No entanto, o Meridian tem uma funcionalidade automática de ajuste periódico e de tendência, implementada pela especificação do modelo de interceptação de variação temporal. Portanto, não é necessário incluir essas variáveis.
Você também pode desativar o ajuste periódico automático e incluir suas próprias variáveis de sazonalidade.
Coleta de dados
Determine o tipo de dados a serem coletados para cada tipo de variável. Os planos de mídia ou marketing podem ser usados para essa decisão. Você pode então coletar a exposição de mídia para canais do Google, incluindo métricas como cliques e impressões, usando a plataforma de dados da MMM, que também oferece dados de alcance e frequência especificamente para o YouTube. Para mais informações, consulte Usar a plataforma de dados da MMM.
A coleta de dados de GQV é opcional, mas omitir esses valores pode criar um viés nas estimativas do modelo. No entanto, é possível executar o Meridian sem esses dados.
Verifique se os dados estão no formato adequado para executar o modelo. Para mais informações, consulte os exemplos de dados em Tipos e formatos de dados aceitos.
Granularidade
De modo geral, dados mais granulares fornecem insights mais precisos e podem ajudar a identificar resultados úteis. Aspectos a serem considerados:
Granularidade geográfica
Prática recomendada: colete dados sobre regiões. Esse nível de granularidade permite que você considere as nuances geográficas e use a estrutura bayesiana hierárquica do Meridian para gerar intervalos de confiança menores em estimativas (como o ROI). Algumas regiões podem ter um volume baixo de observações, e recomendamos que sejam excluídas do conjunto de dados antes da adequação do modelo para ajudar a garantir a consistência da estimativa. Para mais informações, consulte Dados nacionais e por seleção geográfica.
Alternativa aceitável: se os dados geográficos não estiverem disponíveis, use os nacionais, mas verifique se eles têm um número suficiente de pontos de dados por efeito que você está tentando medir. Para mais informações, consulte Quantidade de dados necessários.
Granularidade de tempo
Prática recomendada: colete dados semanais, que apresentam um equilíbrio vantajoso entre o grau de variação e a extensão de ruído, principalmente quando comparados a dados diários ou mensais.
Alternativa aceitável: na ausência de dados semanais, é possível testar os diários ou mensais. Porém, o modelo pode ter um tempo de execução estendido quando usa dados diários e podem surgir intervalos de crédito não convergentes ou amplos nas estimativas do modelo com os dados mensais.
Granularidade de mídia
Recomendamos manter o número de canais de mídia abaixo de 20. Isso garante variação e volume suficientes para que cada um gere uma estimativa confiável. É aconselhável combinar canais que têm gastos de mídia baixos com outros para evitar suscetibilidades com a estimativa do ROI. Para mais informações, consulte Canais com poucos gastos.
Período
Como regra geral, os dados históricos precisam abranger, no mínimo, dois anos de dados semanais para modelos geográficos e três anos para modelos nacionais. Se houver apenas dados mensais disponíveis, recomendamos usar o equivalente a pelo menos três anos de dados. É importante que o modelo tenha pontos de dados suficientes para garantir cálculos precisos. No entanto, o cálculo da quantidade de dados pode ser mais complexo e depende do tipo de dados. Para orientações mais específicas sobre o assunto, consulte Quantidade de dados necessária.
Depois de coletar os dados, faça uma análise detalhada para verificar se eles são precisos e completos.
Empresas que geram leads com ciclos de vendas longos
Para esse tipo de empresa, as práticas recomendadas dependem da variável de destino, como o resultado que você quer medir. Se a geração de um lead levar vários meses, considere usar KPIs de ação mais imediata, como o número de conversões, visitas ao site ou preenchimentos de formulários.