Modelagem de mix de marketing versus modelagem de atribuição: os prós e contras
Publicados: 2021-10-06A maioria das equipes de marketing tem algum tipo de problema de dados.
Ou eles não têm dados suficientes, eles têm muitos deles ou, mais comumente, eles não sabem o que fazer com eles.
E é por isso que, neste post, avaliaremos duas das maneiras mais comuns pelas quais as empresas estão colocando seus dados de marketing para funcionar: modelagem de atribuição e modelagem de mix de marketing.
Vamos mergulhar direto.
MMM x MTA [webinar]
Assista ao nosso webinar sobre modelagem de mix de marketing versus atribuição multitoque para saber mais.
O que é modelagem de atribuição?
A modelagem de atribuição é o processo de definição de regras que determinam o quanto cada ponto de contato ao longo da jornada do cliente contribui para uma venda. Isso é feito para estimar a contribuição da receita de marketing.
Os modelos comuns de atribuição multitoque incluem:
- Atribuição linear: cada ponto de contato (rastreável) ao longo da jornada do cliente tem a mesma contribuição de receita.
- Atribuição de decaimento do tempo: os pontos de contato mais recentes ao longo da jornada do cliente contribuem para a receita mais do que os pontos de contato anteriores.
- Atribuição baseada em posição: o primeiro e o último ponto de contato contribuem para a receita mais do que os pontos de contato no meio da jornada do cliente.
Os benefícios da modelagem de atribuição
No papel, a promessa da modelagem de atribuição é atraente: ajuda os profissionais de marketing a dissecar a jornada do cliente e entender como cada ponto de contato contribui para uma venda. Teoricamente, os modelos de atribuição devem ajudar os profissionais de marketing a alocar seus orçamentos de forma mais eficaz para os canais, campanhas e atividades que têm o maior impacto na receita.
No entanto, a palavra-chave aqui é teoricamente . Vejamos algumas das razões pelas quais a modelagem de atribuição geralmente falha em sua promessa.
As desvantagens da modelagem de atribuição
1. A falsa promessa de 100% de rastreabilidade
Vamos começar com o maior problema: a atribuição multitoque é baseada em uma falsa promessa de que cada ponto de contato em cada dispositivo é rastreável.
O problema é que essa promessa foi feita de má fé.
Simplesmente nunca conseguimos rastrear todas as impressões e cliques de cada pessoa. E por razões legais, éticas e técnicas, também nunca poderemos. Na verdade, a morte do cookie e a introdução do iOS 14 significam que o número de pontos de contato rastreáveis está diminuindo, tornando a atribuição ainda mais difícil.
Barra lateral: Os defensores da atribuição multitoque argumentariam aqui que coletar dados de cerca de 70% dos pontos de contato com o cliente é melhor do que coletar 0% desses dados. O problema com esse argumento é que não importa como você o corte, você acabará supervalorizando os canais que você pode, de fato, medir. E, como resultado, você pode acabar tomando algumas decisões terríveis que ignoram os 30% mais importantes (?) da jornada do cliente.
O que você deve fazer com os dados que está coletando, então? Bem, vamos chegar a isso mais tarde.
2. A atribuição mede os cliques — e apenas os cliques
A razão pela qual a atribuição não leva em conta muitos dos pontos de contato ao longo da jornada do cliente é que os modelos de atribuição normalmente medem cliques, e apenas cliques. Em outras palavras, qualquer ponto de contato offline, dark social e impressões são totalmente deixados de fora da maioria dos modelos.
Aquele podcast que teve seu CEO como convidado? Inatribuível. Aquele post do LinkedIn que não linkou para o seu site? Inatribuível. Aquele grupo do Slack onde alguém recomendou seu produto? Você adivinhou: também inatribuível.
Sabendo disso e tendo uma compreensão geral de como os humanos tomam decisões, você acha certo incluirmos nossos anúncios do Facebook e do Google, visitas à página de destino e inscrições em webinars em nossos modelos de atribuição, mas não levando em conta as recomendações pessoais de colegas, podcasts e postagens de mídia social?
Não? Não pensei assim.
3. A atribuição é, de fato, completamente composta
Esses dois pontos nos levam perfeitamente ao terceiro: a atribuição é literalmente inventada.
Como Tim Wilson aponta em uma entrevista recente, “a maneira como fazemos a atribuição é risível para os cientistas de dados. É absolutamente ridículo escolher um modelo heurístico de último toque, primeiro toque, decaimento de tempo ou curva J inversa. E isso por dois motivos: primeiro, é muito difícil rastrear uma pessoa em todos os pontos de contato e, segundo, a atribuição também ignora o histórico de uma pessoa com a marca.”
Cientificamente falando, como você provaria que um determinado clique teve um impacto positivo – ou algum – em uma decisão de compra? Ou que um ponto de contato teve uma contribuição maior do que outro? Quando você pensar sobre isso, perceberá que a maneira como decidimos atribuir crédito a cada ponto de contato não é baseada em nenhuma ciência.
Na verdade, na maioria dos casos, pode-se argumentar que as pessoas comprariam nosso produto independentemente de (ou apesar de) nossos anúncios. No entanto, os anúncios reivindicarão algum crédito pela compra porque tecnicamente eles foram exibidos ao cliente antes que ele fizesse a compra.
4. Apenas boas vibrações
Por fim, a maioria dos modelos de atribuição assume que cada ponto de contato tem um impacto positivo na decisão de compra. Isso é obviamente problemático, considerando que as pessoas podem acabar comprando produtos ou serviços com os quais tiveram interações negativas.
Em outras palavras, a atribuição multitoque pode ser considerada o dado equivalente à positividade tóxica.
O que é modelagem de mix de marketing?
A modelagem do mix de marketing refere-se à análise estatística dos dados históricos de marketing e vendas para estimar o impacto que as atividades de marketing futuras específicas terão na receita (ou qualquer outra variável dependente). Isso é feito para otimizar a alocação do orçamento de marketing para os canais e campanhas corretos.
Os benefícios da modelagem do mix de marketing
Ao contrário da atribuição multitoque, a modelagem do mix de marketing se concentra na análise das entradas (pense em orçamentos e canais) em relação às saídas (pense em receita ou reconhecimento de marca), usando métodos estatísticos em vez de uma cadeia fraca de ações rastreáveis do cliente.
Em outras palavras, o objetivo não é construir um modelo abrangente da jornada do cliente, mas sim entender o papel que cada canal e campanha desempenha no sucesso geral do negócio.
Além disso, a modelagem do mix de marketing é baseada em ciência real e válida. O MMM é uma regressão linear aplicada, que pode ser muito mais fácil de medir de forma confiável porque todas as entradas são conhecidas.
Por fim, ao contrário do MTA, o MMM também será responsável pelo impacto negativo na receita de determinados canais, campanhas ou ativos.
Parece ótimo no papel, certo? No entanto, isso não significa que a modelagem do mix de marketing não tenha seus próprios problemas.
As desvantagens da modelagem do mix de marketing
1. Para que a modelagem do mix de marketing funcione, você precisa de um orçamento relativamente grande
Talvez o maior problema com a modelagem do mix de marketing seja que ela só começa a fazer sentido quando sua empresa atinge uma certa escala – e orçamento de mídia. Isso porque você precisa criar variabilidade em seu mix de marketing para realmente começar a ver o impacto de cada canal e campanha.
Por exemplo, se você está gastando apenas US$ 1.000 por mês em anúncios, é improvável que veja muito efeito, independentemente de como você divide o orçamento entre diferentes canais, tipos de anúncios e criativos.
2. MMMs normalmente ignoram o contrafactual
O outro grande problema com a modelagem tradicional do mix de marketing é que ela ignora o contrafactual. Em outras palavras, não é comum incluir grupos de controle ou testes de incrementalidade na modelagem do mix de marketing.
Em vez disso, a maioria dos modelos de mix de marketing se concentra na população global (no sentido estatístico), o que dificulta a compreensão do verdadeiro impacto das mudanças que você está fazendo em sua alocação de orçamento e mix de canais.
No entanto, não há nada no livro de regras que diga que você não pode combinar MMM com estudos de controle randomizados para tornar suas descobertas mais confiáveis.
3. Ênfase excessiva nas conversões
Na maioria dos casos, os MMMs subestimarão as atividades de conscientização no topo do funil. Isso ocorre porque a maioria dos MMMs considera a receita como a variável dependente e os gastos como a variável independente.
Em outras palavras, se sua entrada for gastos com marketing, sua saída não pode ser o reconhecimento da marca.
No entanto, você pode, é claro, mitigar esse problema tornando o reconhecimento da marca sua variável dependente.
4. MMM fica complicado em um ambiente B2B
Assim como a atribuição multitoque, os modelos de mix de marketing também são mais fáceis de implementar em ambientes B2C do que em B2B.
Isso ocorre porque os MMMs assumem que a população é homogênea – e não composta por diferentes papéis e personas com objetivos, desafios e prioridades únicos.
Isso, no entanto, não significa que a modelagem do mix de marketing não possa funcionar em um ambiente B2B. Significa apenas que implementá-lo será um pouco mais complicado.
MMM vs. MTA: a pontuação final
Para encurtar a história, a modelagem do mix de marketing é uma solução muito melhor para quem tem orçamento e meios para isso.
E se você não fizer isso, você pode se sair melhor com testes A/B simples e otimização da taxa de conversão do que com a modelagem de atribuição. Isso é, a menos que você possa ter certeza de que seu modelo de atribuição captura dados em seus pontos de contato mais importantes.
Afinal, às vezes agir com base em dados limitados é melhor do que construir um modelo complexo que fornece apenas uma fração da verdade.
Saiba mais sobre MMM vs MTA
Assista ao nosso webinar com Proof Analytics, onde nos aprofundamos nos benefícios e desvantagens da atribuição multitoque e da modelagem do mix de marketing.