Google'da grup ürün müdürü olan Prema Sampath, marka reklamcılığına yönelik ölçüm uygulamaları geliştiren bir ürün ekibini yönetiyor. Ekibin faaliyetleri YouTube reklamlarına yönelik gizlilik odaklı üçüncü taraf çözümlerini de kapsıyor. Google'da Yatırım Getirisi ölçümü yöneticisi olarak görev yapan Stephen Mangan ise reklamverenlerin medya optimizasyonu stratejilerini geliştirmeye yardımcı olmak amacıyla araştırma ve ölçüm iş ortaklığı kurma süreçlerini yönetiyor.
Pazarlamacılar marketing mix modellerinden (MMM) yararlanarak farklı yatırım alanlarının tümünde eşit şartlarda karşılaştırmalar yapabilir. Bu modellerle "Satışları ne artırdı?", "Yatırım Getirisi neydi?" "Pazarlama yatırımımı nasıl optimize ederim?" gibi sorulara yanıt bulunabilir.
Ancak pazarlama Yatırım Getirisi'ni belirlemek için tek bir hesaplamadan fazlası gerekir. Günümüzde medya ortamı giderek daha çok parçaya ayrılıyor ve birbirine geçiyor. Bu nedenle gelecekteki performansı öngörme konusunda MMM'ler için benzeri görülmemiş bir zorluk ortaya çıkıyor.
MMM'yi benimseyen reklamverenler daha stratejik ve ölçüm temelli kararlar alarak işletmelerini güçlendirebilir.
Reklamverenler, MMM'yi anlamak için genellikle ölçüm sağlayıcılarının teknik uzmanlığına güvenir. Ancak ölçüm stratejisinde modelin temelinde yatan bilimden fazlası vardır. MMM'yi şekillendirmek için iş bağlamı eklemek bir sanattır ve bu süreç, modelin sonuçları ile nihai önerilerini etkiler. Bunu benimseyen reklamverenler daha stratejik ve ölçüm temelli kararlar alarak işletmelerini güçlendirebilir.
Marketing mix modellerinin sanatsal yönünden yararlanmak için pazarlamacıların uygulayabileceği üç adımı aşağıda bulabilirsiniz.
Ayrıntılı verilerle başlayın
Gösterimlerin platformlar genelinde, hatta platformların kendi içinde eşit olmadığını unutmayın. Videoya özgü ölçüm söz konusu olduğunda MMM'ler gösterimlerinizin tamamını değerlendirir ancak izlenme süresi, görüntülenebilirlik ve duyulabilirlik açısından platformlar arasında büyük farklar olabilir. Aynı veriler, modele nasıl dahil edildiğine bağlı olarak bambaşka sonuçlar üretebilir. Google adına Nielsen tarafından yürütülen araştırmada, paketlenmiş tüketici ürünü (CPG) markalarına ait MMM'lerin birleştirilmiş veriler yerine her bir video platformunu ayrı ayrı değerlendirdiği durumlarda reklam harcamalarından elde edilen gelirin (ROAS) %48'e kadar farklılık gösterdiği görüldü.1
Reklam biçimleri de aynı şekilde değişiklik gösterebilir. Örneğin, YouTube'da atlanamayan 30 saniyelik videolar veya 6 saniyelik bumper reklamlar gibi birçok farklı reklam gösterilir. İki biçim de pazarlama Yatırım Getirisi'ni karşılayabilse de gösterimlerin maliyeti ve etkisi aynı olmaz.
Aynı veriler, modele nasıl dahil edildiğine bağlı olarak bambaşka sonuçlar üretebilir.
Bu nedenle, modelinizin farklı gösterimlerin değerini ayrı ayrı belirleyebilmesi için yayıncı iş ortaklarınızın sağladığı en ayrıntılı verilerden yararlanın. Her modelde olduğu gibi MMM'nin de sınırları vardır. Ancak her ayrıntı düzeyi, işletmeyle ilgili daha bilinçli kararlar alınmasını sağlar.
İş bağlamı ekleyin
MMM'nin bilimsel yönü sayesinde Yatırım Getiri'nizi öğrenebilirsiniz ancak bağlam olmadığında nedenini göremezsiniz. Verilerin ayrıntılarına inerken biçim düzeyindeki verilerden başlayabilirsiniz. Ancak biçimlerin Yatırım Getirisi için yalnızca tek bir etmen olduğunu unutmayın. Nielsen Catalina Solutions'ta reklam öğeleri video Yatırım Getirisi'nin %47'sini oluşturuyor. Buna rağmen, MMM'ler reklam öğelerini ayrı olarak değerlendirmeye uygun değil.
Ortak çalışmayla ölçüm sağlayıcınız bu strateji değişikliklerinin Yatırım Getirisi'ni nasıl etkilediğini değerlendirebilir. Doğru uygulandığında bu değerlendirmeyle zamanla Yatırım Getirisi artırılabilir.
Hershey'de kıdemli medya bilimi yöneticisi olan Rajika Karunanayaka şunları söylüyor: "Modelleme bağlam dikkate alınmadan izole bir ortamda yapılırsa yanıltıcı ve yetersiz kararlar alınmasına neden olabilir. Bu nedenle bağlam, modellemeye dahil edilen verilerin kendisi kadar önemli ve her aşamada dikkate alınmalı." Hershey'in Entegre Medya ekibi, Google'dan veri almak ve medya planlarındaki değişiklikleri bağlama oturtmak için IRI ile birlikte çalışıyor.
İşletmeyle ilgili stratejik soruları yanıtlamak amacıyla medya satın alma alanıyla ilgili analizleri almak ve modelde gerekli olan diğer verileri belirlemek için yayıncı iş ortağınızla birlikte çalışın. Ortak çalışmayla ölçüm sağlayıcınız bu strateji değişikliklerinin pazarlama Yatırım Getirisi'ni nasıl etkilediğini değerlendirebilir. Doğru uygulandığında bu değerlendirmeyle zamanla Yatırım Getirisi artırılabilir.
Karunanayaka "Yol gösterici ve bilgilendirici modeller oluşturmak üzere MMM verilerini doğru ayrıntı düzeyinde toplamak amacıyla Google ile iş ortaklığı yapıyor ve sonuçlara etki etme olasılığı olan temel uygulama unsurlarını incelemek için birlikte çalışıyoruz," diyor ve olası etki alanları olarak Hershey'nin YouTube reklam biçimi kombinasyonu, erişim ve sıklığı, kitle stratejisi ve görüntülenebilirliği ile ilgili değişikliklerden bahsediyor. "Ayrıca, Hershey YouTube reklamlarının hangilerinin satışları artırdığı hakkında fikir edinmek üzere reklam biçimini normalleştirirken reklam öğesi düzeyinde etkililiğini anlamak için Google ekibimizle birlikte çalışıyoruz."
Google adına Nielsen tarafından gerçekleştirilen MMM meta analizinde, ortalama olarak Google ile birlikte çalışan 2 markaların YouTube ROAS'ı, Google ile çalışmayan markalara kıyasla 7 kat fazla olarak %108 oranında arttı.3 Medya anlatımınızı paylaşarak modelleyicilerin pazarlama Yatırım Getirisi'ndeki değişikleri etkileyen unsurları anlamasına yardımcı olabilir ve böylece daha akıllıca işletme stratejileri geliştirebilirsiniz.
Daha şeffaf olun
Her model gibi, MMM de mükemmel değildir. Google'da veri bilimcilerden oluşan bir ekip, aynı verilerin kullanıldığı MMM'lerin nasıl aynı düzeyde istatistiksel güvenle son derece farklı YG'ler raporlayabileceği hakkında bir makale yayınlandı.
Bu durumu göz önüne alarak sonuçları dikkatli bir şekilde inceleyin. Tüm sonuçları kabul etmek yerine kesin sonuçlar ve öneriler elde etmek için ölçüm sağlayıcınızdan modelin hata payını öğrenin. İşletmenizle ilgili önemli kararları almak için tek doğru kaynak olarak yalnızca MMM'nize güvenmeyin. Bunun yerine, modelin doğruluğu hakkında ikinci bir bakış açısı sağlayabilecek test-kontrol denemesi tasarlayın.
Pazarlamacılar, yayıncı iş ortaklarından veri ve bağlama dair bilgi alıp sağlayıcıları şeffaflığa yönlendirmek için modeli iyileştirme sanatıyla başlayabilir.
Marketing mix modelleri ölçüm için değerli bir araç, ancak bilim tek başına tüm doğru yanıtları sunmaz. Nüanslar önemli. Pazarlamacılar, yayıncı iş ortaklarından veri ve bağlama dair bilgi alıp sağlayıcıları şeffaflığa yönlendirmek için modeli iyileştirme sanatıyla başlayabilir. Bu küçük adımlarla ekipler MMM'nin yapısını etkileyebilir ve doğruluğunu artırabilir, böylece daha bilinçli kararlar verilmesini sağlayacak sonuçlar elde edilebilir.
