Was kann ein Marketing-Mix-Modeling leisten?

By 7. Oktober 2016Ratgeber
Was kann Marketing-Mix-Modeling, was nicht und was sollte man bei der Methoden- und Anbieterwahl beachten? Wir gehen die 5 wichtigsten Fragen durch, die sie sich stellen sollten.

Marketing-Mix-Modeling ist aus der Erkenntnis erstanden, dass das zeitgleiche Wirken einzelner Marketingmaßnahmen nicht durch deskriptive Datenauswertung bestimmt werden kann. Korrelationskoeffizienten oder Kennzahlenvergleiche „mit vs. ohne Maßnahme X“ sind inhärent verzerrt – dies ist der klassische Scheinkorrelationseffekt.

Regressionsanalytische Ansätze können helfen zu ermitteln, welche Maßnahme, welchen Effekt besitzt. Im Prinzip können diese das. Die Güte der Ergebnisse hängt jedoch davon ab, wie ihr Datensatz aussieht und welche Analysemethode sie verwenden. Folgende 5 Fragen sollte sich jeder vor dem Einsatz stellen.

  1. Kann die Analysemethode nichtlineare Zusammenhänge und Interaktionen zwischen Marketing-Channels abbilden?

Jeder Marketing-Kanal ist irgendwann gesättigt. Ein weiterer Euro wird nicht die gleiche Dividende tragen wie der erste. Es kommt sogar regelmäßig vor, dass ab einem bestimmten Punkt zusätzliche Ausgaben sogar negativ sind. Diese Phänomene nennt man Nichtlinearitäten.

Zudem ist es unter Mediaexperten schon fast Allgemeinwissen, dass Marketingkanäle zusammen mehr Effekt bringen als die Summe Einzeleffekte. Diese Phänomen, dass im Management Synergie genannt wird, heißt in statistischer Sprache „Interaktionen“. Da verwundert es schon, dass die meisten Marketing-Mix Modelle gänzlich ohne das Modellieren dieser Interaktionen auskommen.

  1. Kann die Analysemethode solche Nichtlinearitäten und Interaktion finden, die noch unbekannt sind?

Grundsätzlich ist es methodisch seit langer Zeit mit Hilfe ökonometrischer Modelle mögliche Nichtlinearitäten und Interaktionen zu modellieren. Die Voraussetzung ist jedoch, dass man im Vorhinein weiß, welche Nichtlinearitäten und Interaktionen wo vorkommen. Dann können die Methoden die Parameter dazu bestimmen.

Marketing Mix Modelle können z.B. 100 Variablen haben. Dies bedeutet 10.000 mögliche Interaktionen. Hinzu kommt, dass es verschieden Arten von Interaktionen gibt (UND, ODER, XOR, etc.). Daher ist dies äußerst zeitaufwendig.

Darüber hinaus zeigt es die praktische Erfahrung, dass das vorhandene Vorwissen so gut wie nie ausreicht, um damit genaue Vorgaben für die ökonometrischen Modelle zu begründen.

Genau das ist der Hohe praktische Vorteil und Nutzen der Universellen Strukturmodellierung und NEUSREL. Sie benötigt kein Vorwissen sondern findet selbständig jede beliebige Nichtlinearität und Interaktion. Das Ergebnis sind deutlich höhere Erklärungsgüten.

 

  1. Berücksichtigt die Analysemethode indirekte Effekte?

Regression und ökonometrische Modelle bilden die Beziehung zwischen Treibervariablen und Ergebnisvariablen ab. Sie messen ausschließlich direkte Effekte unter der Annahme, dass die Treiber sich nicht gegenseitig beeinflussen. Eine Annahme, die sich im digitalen Zeitalter, in dem viele Touchpoints interaktiv sind, nicht mehr zu halten ist.

In einem Marketing-Mix Projekt für einen Mobilfunkanbieter wurde durch die Universellen Strukturmodellierung und NEUSREL klar, dass TV-Spots dazu führen, dass Menschen nach dem Angebot zu googeln beginnen. Dies wiederum führte zu deutlich mehr Google Adword Klick, was wiederum zu Produktabschlüsse führte.

TV ist die treibende Ursache. Jedoch hatte TV nur sehr geringe direkte Effekte auf Produktabschlüsse. Und nur diese weisen Regressionsanalysen aus. Ohne das Berücksichtigen der indirekten Effekte würde ein sehr unrealistisches Bild über die Wirkung von TV entstehen.

  1. Ermöglicht ihr Datensatz das Bewerten von langfristigen Effekten?

Marketing Mix Modelle gelten als Methoden, die nur Kurzfristeffekte messen. Tatsächlich ist der Sachverhalt keine Frage der Analysemethode, sondern eine Frage der verwendeten Daten. Zwei Maßnahmen führen dazu, dass auch Langfristeffekte gemessen werden können.

Erstens, können längerfristige Effekte betrachtet werden, indem mehrere Zielvariable verwendet werden, die sich im Zeithorizont unterscheiden. Es werden also nicht nur die Verkaufszahlen der nächsten Wochen verwendet sondern ebenfalls die in 2 Wochen, 1 Monat, oder eben 6 Monaten.

Zweitens können marktforschungsbasierte Variablen wie Markenpräferenz als Zwischengrößen mit in das Modell einbezogen werden. Diese Maßnahme erlaubt es zu messen, welchen Einfluss Marketingkanäle auf die Markenpräferenz besitzen und sie erlaubt zu messen, welchen Einfluss die Änderung in Markenpräferenz auf Verkaufszahlen hat.

Der Clou ist, dass die Steigerung der Markenstärke ein kurzfristiger Zwischeneffekt ist, der sich langfristig auswirkt, da Marken-Einstellungen nachweißlich langfristig wirken. Mit diesem Hintergrundwissen lassen sich die Langfristig-Effekte mit einem Horizont von 1 bis 2 Jahren errechnen.

  1. Ermöglicht die Analysemethode bei gegebener Fallzahl alle relevanten Channels zeitgleich zu betrachten?

Vor einigen Jahren war Marketing-Mix Modeling noch einfacher. Es gab TV, Radio, Print und Plakate. Heute gibt es Adwords, tausend Online-Banner-Arten, Affiliate-online ads, Pre-Rolls, Game-Commercials, Presseberichte, Inbound-Telefon-Kontakte, Shop-Besuche, Videobasierte Outdoor Formate, eigener Website-Traffic, Social media engagement, Mobile ads, Firmenevents, Sponsoring, Produktlaunch-Specials, Wettbewerbs-Spendings, etc. etc. etc.

Wenn wir davon ausgehen, dass diese dutzenden von Kanäle sich in ihrer Wirkung beeinflussen und Synergien bilden, so wäre es sinnvoll alle in ein Modell zu integrieren.

Das Problem:

Je mehr Variablen in ein Modell aufgenommen werden, desto mehr Datenpunkte sind notwendig, um das Modell valide zu spezifizieren. Meist werden Daten jedoch bestenfalls auf Wochenbasis verwendet, was zu Datensätze führt, die lediglich 50 bis 100 Datenpunkte besitzen. Regressionsansätze können bei dieser Fallzahl lediglich 5-10 Variablen sinnvoll verarbeiten, wenn man robuste Ergebnisse erhalten möchten.

Wir haben in NEUSREL eine Technologie implementiert, die in ihren Grundsätzen bereits seit 20 Jahren sehr erfolgreich u.a. in der Genetik verwendet wird. Hier werden Datensätze verarbeitet, die deutlich mehr Variablen (=Chomosome) als Datensätze (=Probanden) besitzen. Möglich wird dies durch einen methodischen Trick. Die Methode versucht nicht mehr eine Ergebnisvariable zu erklären, sondern viele Zielvariablen Gleichzeit.

Verkaufszahlen in verschiedenen Verkaufskanälen sind ein Beispiel. Alle diese Ergebnisvariablen haben gemeinsame Treiber und Ursachen. Die Methode komprimiert die Treibervariablen zu wenige stellvertretende Variablen (sogenannte Komponenten). Die bekannte Hauptkomponenten- oder Faktoranalyse arbeitet anders. Sie bilden Stellvertreter-Variablen, die in der Lage sind die Treibervariablen so gut wie möglich zu erklären. Die neue Methode bildet die Stellvertretervariablen so, dass diese dann die Zielvariablen bestmöglich prognostizieren kann. Dies ist ein fundamentaler und entscheidender Unterschied.

Die Bedeutung der Methode ist enorm. Sie ermöglicht bei üblichen Fallzahlen endlich alle relevanten Einflussfaktoren einzubeziehen. Und genau dies liefert deutlich validere Modelle. Hinzu kommt das der Bedarf besteht, immer kürzere Zeiträume in die Analyse einzubeziehen, gerade wenn Kampagnen nur über einen begrenzten Zeitraum laufen.

6. Zusammenfassend …

ergibt die Antwort auf diese 5 Frage eine Antwort darauf, welche Methode anzuwenden ist:

  1. Kann die Analysemethode nichtlineare Zusammenhänge und Interaktionen zwischen Marketing-Channels abbilden?
  2. Kann die Analysemethode solche Nichtlinearitäten und Interaktion finden, die noch unbekannt sind?
  3. Berücksichtigt die Analysemethode indirekte Effekte?
  4. Ermöglicht ihr Datensatz das Bewerten von langfristigen Effekten?
  5. Ermöglicht die Analysemethode bei geringer Fallzahl alle relevanten Channels zeitgleich zu betrachten?

Gern möchten wir Ihnen den Suchprozess erleichtern: Es gibt am Markt derzeit nur eine Methodik und eine Software, die den Anforderungen gerecht wird. Es ist die Universelle Strukturmodelierung, die in der NEUSREL-Software implementiert ist.

p.s. Weiterführendes zu NEUSREL und die Universelle Strukturmodelierung finden Sie hier.

Möchten Sie mehr erfahren?

Ihr Name (Pflichtfeld)

Ihre Email (Pflichtfeld)

Firma

Ihre Mitteilung