Proprio in queste settimane, il tema del Marketing Mix Modelling (MMM) sta tornando di grande attualità, anche grazie a strumenti open-source come Meta Robyn che stanno rendendo questa metodologia più accessibile a un pubblico sempre più ampio. Ma cos'è esattamente e a cosa serve questo strumento?
Negli ultimi anni, lavorare nel retail è diventato sempre più complesso: i canali di vendita si moltiplicano, il tracciamento degli utenti è limitato dalle normative sulla privacy e i dati raccolti risultano spesso frammentati tra mondo online e offline. In mezzo a questo scenario in continua evoluzione, qual è lo strumento che può rimettere ordine nelle analisi di chi opera in questo settore? Ecco, la risposta è proprio il Marketing Mix Modelling (MMM).
In questo articolo voglio raccontare cos'è, perché è fondamentale utilizzarlo e come può fare la differenza non solo nel CRM, ma in una strategia media integrata.
Cos'è il Marketing Mix Modelling?
Il Marketing Mix Modelling è una tecnica statistica che permette di stimare l'impatto reale delle diverse leve di marketing (come ADV, promozioni, prezzi, stagionalità) sui risultati di business, tipicamente sulle vendite.
Come funziona?
Il MMM si basa spesso su modelli di regressione, cioè formule matematiche che collegano le variazioni delle vendite (o di altri KPI) alle variazioni delle attività di marketing.
Facciamo un esempio: se vuoi capire quanto le campagne TV, le promo in negozio e le Meta Ads hanno influito sulle vendite dell'ultimo anno, il modello MMM analizzerà i dati storici (es. spesa mensile per canale, vendite mensili, presenza di promo, ecc.) e calcolerà il contributo di ciascuna leva.
Un modello di regressione lineare potrebbe essere:
Vendite = β₀ + β₁ × Spesa TV + β₂ × Spesa Meta + β₃ × Promo + ε
Ogni elemento della formula ha un significato preciso:
- β₀ (beta zero): è il valore di base delle vendite, cioè quanto venderesti anche se non spendessi nulla in TV, Meta o promozioni. In matematica si chiama anche "intercetta".
- β₁ (beta uno): misura quanto aumentano (o diminuiscono) le vendite per ogni euro in più speso in pubblicità TV, tenendo fisse tutte le altre variabili. Esempio: se β₁ = 3, significa che ogni euro speso in TV porta in media 3 euro di vendite in più.
- β₂ (beta due): misura quanto incidono le spese su Meta sulle vendite, sempre a parità delle altre variabili. Esempio: se β₂ = 2, ogni euro speso su Meta genera in media 2 euro di vendite aggiuntive.
- β₃ (beta tre): indica quanto influiscono le promozioni sulle vendite. Se β₃ = 5, ogni unità (ad esempio ogni promozione attivata) porta 5 euro in più di vendite.
- ε (epsilon): rappresenta tutto ciò che non è spiegato dal modello, cioè la "casualità" o altri fattori non considerati (ad esempio eventi imprevisti, errori di misura, ecc.).
questo è già presente nel blog.