Marketing Mix Modelling Software - Build vs. Buy

In den letzten zwei Jahrzehnten hat sich das Marketing Mix Modelling (MMM) bei Konsumgüterunternehmen durchgesetzt. Viele Fortune 500-Unternehmen haben es zu einem wesentlichen Bestandteil ihrer Marketingplanung gemacht. Mit der Weiterentwicklung der Technologie und dem Aufkommen neuer Online-Kanäle hat sich die Multi-Touch-Attribution durchgesetzt. Aufgrund des Rückgangs von Cookie-basierten Trackingmethoden für das Verbraucherverhalten hat sich der Fokus jedoch wieder auf das MMM verlagert. Dies hat zu einer Renaissance von Marketing Mix Modelling Software geführt, die auch durch die Entwicklung moderner Datenpipelines, fortschrittlicher statistischer Ansätze wie maschinelles Lernen oder Bayes'sche Methoden und Open-Source-Optionen wie Robyn von Facebook (Meta) und LightweightMMM von Google unterstützt wird, wodurch MMM erschwinglicher und einfacher durchzuführen ist.

Marken erkennen den Bedarf an neuen Werkzeugen und Fachwissen, um die Effektivität ihres Marketings genau zu bewerten. Dies stellt sie vor eine häufige Herausforderung: Soll eine maßgeschneiderte Marketing Mix Modelling (MMM) Lösung intern entwickelt oder die Unterstützung von Drittanbietern in Anspruch genommen werden? Um Ihnen bei dieser Entscheidung zu helfen, haben wir einen Leitfaden zusammengestellt, der die Vor- und Nachteile beider Ansätze beschreibt, einschließlich der Zusammenarbeit mit spezialisierten Unternehmen oder der Verwendung von ready-to-use Softwarelösungen.

In diesem Artikel beantworten wir folgende Fragen:

• Welche Ressourcen sind erforderlich, um ein Marketing Mix Model intern zu entwickeln?

• Wie lange dauert es, ein MMM intern zu entwickeln?

• Was sind die Kosten für die interne Entwicklung von Marketing Mix Modelling?

• Wie viel kostet die Anschaffung von Marketing Mix Modelling-Software?

• Worauf sollte man beim Kauf von Marketing Mix Modelling-Software achten?

Welche Ressourcen sind erforderlich, um ein Marketing Mix Model inhouse zu entwickeln?

Faustregel: Ohne ein Team aus guten Datenwissenschaftlern, Datenanalysten und Dateningenieuren können Sie kein Marketing Mix Modelling intern entwickeln. Diese sollten folgende Fähigkeiten mitbringen:

• Gutes Marktverständnis (oder zumindest Erfahrung in der Analyse verschiedener Märkte oder Branchen), um mögliche Einflussfaktoren zu identifizieren
• Grundkenntnisse über die Funktionsweise von Medienkanälen
• Guter Überblick über mögliche statistische Methoden sowie deren Vor- und Nachteile und Erfahrung in deren Anwendung
• Fähigkeit, Analyse-Software oder Skriptsprachen zu verwenden
• Fähigkeit, verfügbare externe Datenquellen anzubinden und die Daten mit den internen Mediendaten zu verknüpfen
• Erfahrung in der Datenaufbereitung (Zusammenführen, Transformieren und Beurteilen der Datenqualität) und Fähigkeit, Zusammenhänge zu erkennen

Der Aufbau eines internen Data-Intelligence-Teams ist oft nicht einfach, da Fachleute in diesem Bereich sehr gefragt und gut bezahlt sind, wie weiter unten im Artikel aufgeführt. Dies sollte berücksichtigt werden.

Der Aufbau Ihrer eigenen Marketing Mix Modelling-Lösung kann aufgrund der Komplexität der Marketingaktivitäten Ihres Unternehmens eine anspruchsvolle Aufgabe sein. Wir möchten einige spezifische Herausforderungen hervorheben:

• Die erste Herausforderung besteht darin, das Modell korrekt zu spezifizieren. Das bedeutet, dass alle relevanten Einflussfaktoren berücksichtigt werden müssen, ohne eine Überanpassung zu verursachen. Darüber hinaus müssen ausreichend Datenpunkte für einzelne Einflussfaktoren vorhanden sein.
• Die Multikollinearität oder Korrelation zwischen Marketingkanälen kann es schwierig machen, genaue Modelle zu erstellen und muss berücksichtigt werden. Dies geschieht, wenn Werbetreibende gleichzeitig verschiedene Medienkanäle buchen (was natürlich oft vorkommt) oder wenn mehrere externe Ereignisse (z. B. Feiertage, Black Friday usw.) gleichzeitig auftreten.
• Nichtlineare Zusammenhänge, insbesondere zeitlich verzögerte Medieneffekte wie der Adstock-Effekt und Sättigung, müssen abgebildet werden, ebenso wie Interaktionseffekte.
• Es ist wichtig, die langfristige Markenentwicklung sowie das Verhältnis zwischen Mediabudget und Medienleistung zu berücksichtigen, was insbesondere die Budgetallokation komplexer macht.
• Die Budgetallokation ist keine einfache Aufgabe, da sie Kenntnisse über Optimierungsalgorithmen erfordert und die Definition von Allokationsverfahren beinhaltet.
• Marketing Mix Modelling wird komplexer, wenn es mehrere Regionen und/oder mehrere Marken abdeckt, was einen hierarchischen Ansatz erfordert.
• Da die Datenqualität und Verfügbarkeit aller relevanten Daten im Allgemeinen der Schlüssel zum erfolgreichen Marketing Mix Modelling ist, ist es entscheidend, dass Datenpipelines automatisiert sind.

Darüber hinaus muss das Modell eine lange Checkliste mit notwendigen Merkmalen, Diagrammen, Tabellen und Empfehlungen für die Entscheidungsfindung erfüllen. Wir bei MMT sind der Meinung, dass ein erfolgreiches Marketing-Mix-Modell die folgenden Merkmale aufweisen sollte, um einen umfassenden Einblick in Ihre Marketingbemühungen zu geben:

• Attribution Modelling: Quantifizierung des Beitrags von Medienkanälen zur Zielmetrik und ihrer Effizienz (ROI-Analyse).
• Empfehlung: Optimierung des Medienmix
• Predictive Analytics: Erstellung von Prognosen für Kampagnenszenarien
• Hierarchischer Ansatz: Erstellung individueller Modelle für verschiedene Regionen oder Marken, falls erforderlich.

Die Modellierung des Marketing-Mix ist ein komplexer Prozess, der Zeit und Ressourcen erfordert. Nach Angaben von Facebook (Meta) dauert die manuelle Erstellung des ersten Modells 12-22 Wochen, wobei die für die Automatisierung erforderliche kontinuierliche Entwicklungs- und Wartungsarbeit nicht berücksichtigt ist. Kleinere Unternehmen können ein "gutes" Modell in nur wenigen Wochen erstellen, aber für größere Organisationen reicht der typische Zeitrahmen von mehreren Monaten bis zu mehr als einem halben Jahr.

Geht man davon aus, dass ein Team von zwei Datenwissenschaftlern in Vollzeit arbeitet, könnte es etwa sechs Monate dauern, ein erstes Modell zu erstellen und zu automatisieren. Das Durchschnittsgehalt eines Datenwissenschaftlers in Deutschland liegt 2023 laut Jobbörsen bei etwa 65.000 Euro, wobei die Gehälter in Großstädten wie Berlin, Hamburg oder München möglicherweise höher sind. Nach Fertigstellung des ersten Modells wird die laufende Wartung mindestens einen Tag alle zwei Wochen sowie einen vierwöchigen Aktualisierungszyklus pro Jahr erfordern.

Die Kosten für die Datenbeschaffung, -anbindung und -automatisierung müssen ebenfalls berücksichtigt werden, und möglicherweise müssen Sie sogar einen speziellen Datenintegrationsingenieur für diesen Zweck einstellen.

Was muss beim Kauf von Marketing Mix Modelling Software berücksichtigt werden?

Marketing Mix Modelling (MMM) ist in der Marketingbranche zu einem beliebten Instrument geworden, wobei verschiedene Anbieter ihre eigenen Ansätze anbieten. Es ist wichtig, die wissenschaftliche Grundlage hinter den einzelnen Ansätzen zu verstehen, um diejenige auszuwählen, die am besten zu Ihren Bedürfnissen passt. Eine wichtige Unterscheidung innerhalb des MMM ist die zwischen frequentistischen und Bayes'schen Methoden. Das traditionelle MMM stützt sich auf die gewöhnliche Kleinstquadrat-Regression (OLS), während der Robyn-Algorithmus von Facebook einen moderneren Ridge-Regressionsansatz verwendet. Alternativ dazu hat Google Bayes'sche Methoden für seine Modellierungstechniken übernommen, die eine größere Flexibilität bei der Einbeziehung von Vorwissen in das Modell und realistischere Ergebnisse ermöglichen.

Der größte Unterschied bei den Kosten und der Wartung hängt von Ihrer Entscheidung ab, ob Sie die automatisierte Standardsoftware verwenden oder Ihre MMM-Lösung individuell anpassen. Die meisten Unternehmen, die Marketing-Mix-Modellierung anbieten, können bei Bedarf ein individuelles Modell für Ihr Unternehmen erstellen. Ein Modell, das auf die Bedürfnisse des Unternehmens zugeschnitten ist, kann genau die richtigen Fragen beantworten, anstatt allgemeine Richtlinien zu liefern. Darüber hinaus können Sie sich bei der Durchführung des gesamten Analysezyklus und der Interpretation der Ergebnisse beraten lassen. Der manuelle Ansatz erfordert jedoch viel Vertrauen, da MMM anfällig für menschliche Verzerrungen ist. Automatisierte Tools können moderne Datenpipelines nutzen, um das Modell regelmäßig zu aktualisieren, so dass Entscheidungen häufiger getroffen werden können, ohne die Analyse wiederholen zu müssen. Automatisierte Modelle sind auch in der Lage, automatisch Empfehlungen für die Budgetzuteilung zu generieren, was sie weitaus praktikabler macht.

Für uns bei MMT ist es entscheidend, dass Werbetreibende ihre MMM-Erkenntnisse in die Tat umsetzen können. Daher bietet unsere Marketing Mix Modelling-Plattform verschiedene Media-Mix-Szenarien, die innerhalb derselben Plattform direkt an Media-Pläne angepasst werden können. Unsere Lösung ist ein Self-Service-Tool, das Werbetreibenden die Möglichkeit gibt, selbst zu modellieren, um wirklich zu verstehen, wie der MMM funktioniert, und sich nicht auf Vertrauen zu verlassen. Auf diese Weise haben Sie die volle Kontrolle über den Modellierungsprozess und bauen das Fachwissen in Ihrem eigenen Unternehmen auf.

Wenn es um die Auswahl eines Anbieters geht, können Ihnen die folgenden Fragen helfen, den richtigen Ansatz für Ihr Unternehmen zu finden:

• Bieten sie eine Standardlösung an oder erstellen sie ein individuelles MMM-Tool?
• Haben sie bereits mit ähnlichen Unternehmen gearbeitet und somit Branchenkenntnisse erworben?
• Wie viel Medienkompetenz haben sie?
• Welche Methoden verwenden sie? Lineare Regression, Ridge Regression oder Bayes'sche Methoden?
• Was sind die Kosten für das Erstellen des anfänglichen Modells?
• Welche laufenden Kosten fallen für die Wartung / regelmäßige Nutzung des Modells an?
• Bieten sie Kundendienstleistungen an?
• Verfügen sie über die oben genannten Schlüsselfunktionen?
  
• Erlauben sie unterschiedliche Automatisierungsgrade?
• Stimmt der Grad des Engagements, der von Ihrem Unternehmen gefordert wird, mit Ihren eigenen Fähigkeiten/verfügbaren Ressourcen überein?
• Können sie die angewandten Methoden und möglichen Ergebnisse auf verständliche Weise erklären?
• Geben sie nützliche, kompetente und transparente Ratschläge zur Implementierung eines Analyseprojekts im Hinblick auf die eigenen Fragen und die verfügbaren Daten?
  
  

Sobald Sie die Entscheidung getroffen haben, ob Sie eine skalierbare Software verwenden oder sich vom Anbieter etwas Individuelles erstellen lassen wollen, müssen Sie sich genau überlegen, was das Modell leisten soll. Dies kann eine Herausforderung sein, da es in diesem aufstrebenden Bereich keine Einheitslösung gibt, die allen Anforderungen gerecht wird. Zu bedenken sind u. a. das Gesetz des abnehmenden Ertrags (das besagt, dass Kanäle bei höheren Ausgaben gesättigt sein können) und der Adstock-Effekt (die verzögerte Auswirkung von Werbung auf die Leistung). Schließlich ist es wichtig, alle relevanten Schlüsselmerkmale in Ihr Modell einzubeziehen, um verschiedene Einflussfaktoren widerzuspiegeln und Trends und Saisonalität zu berücksichtigen. Die Wahl fortschrittlicherer Ansätze, die Veränderungen in der Kanalleistung im Laufe der Zeit oder die Varianz der Korrelationen für verschiedene Produkte oder Regionen berücksichtigen, kann die Genauigkeit der Ergebnisse Ihres Modells erheblich steigern.

Fazit

Häufig lautet die Antwort auf die Frage, ob ein Unternehmen ein Marketing Mix Modelling selbst einrichten oder eine bereits vorhandene Software kaufen sollte, "es kommt darauf an". Der entscheidende Faktor sind die verfügbaren Ressourcen. Die Erstellung eines Modells erfordert Fachwissen und braucht Zeit. Bei den Berechnungen gibt es viel Spielraum für Fehler, was zu hohen Verlusten führen kann, wenn das Marketingbudget nicht optimal eingesetzt wird. Und damit Vermarkter die wertvollen Erkenntnisse wirklich nutzen können, benötigen sie intelligente Funktionen sowie Fach- und Medienkenntnisse. Wenn Sie zum ersten Mal mit MMM arbeiten oder Zweifel an bestimmten Aspekten haben, kann es sich lohnen, einen Berater/MMM-Spezialisten hinzuzuziehen, der Sie auf Ihrem Weg begleitet und Ihnen hilft, unnötige Anstrengungen und falsche Marketingentscheidungen zu vermeiden.

Quellen

• https://www.stepstone.de/gehalt/Data-Scientist.html
• https://en.wikipedia.org/wiki/Marketing_mix_modeling
• https://www.glassdoor.de/Geh%C3%A4lter/data-scientist-gehalt-SRCH_KO0,14.htm