Media Marketing | News | Christophe Robyns (Agilytic) en Christophe Hendrick (Flying Fish): data in de kern van Marketing Mix Modeling

Christophe Robyns (Agilytic) en Christophe Hendrick (Flying Fish): data in de kern van Marketing Mix Modeling

Marketing Mix Modeling (MMM) is geen nieuwe techniek, maar wordt wel almaar populairder. Dat is alvast de vaststelling van Christophe Robyns en Christophe Hendrick, respectievelijk managing partner van Agilytic en lead digital strategist bij Flying Fish. Beide bedrijven werkten onlangs samen aan de verwezenlijking van zo’n analyse voor een groot account. Een mooie gelegenheid om onder de motorkap van MMM te kijken.

Casting

Door bedrijfsdata te activeren helpt Agilytic ze om hun doelstellingen te bereiken. Een ‘Data Science agency’ dat data onderzoekt om er alle waarde uit te halen en de kracht van de algoritmen, machine learning en zijn legertje data analysts te benutten. Ook Flying Fish is gespecialiseerd in data analyse maar meer bepaald op het vlak van digitale media. Het is een ‘Digital analytics agency’ dat samenwerkt met adverteerders en mediabureaus om ze te helpen de prestaties van digitale media te optimaliseren.

Samen zijn ze perfect complementair om de uitdaging die de uitwerking van een MMM met zich meebrengt aan te gaan.

Doelstelling

De ambitie van een MMM is om marketingacties te correleren met de verkoopcijfers van het bedrijf door de on- en offline mediabestedingen te integreren, naast verschillende parameters of ‘gebeurtenissen’ zoals de seizoensgebondenheid van de eigen verkoop, een hittegolf, geopolitieke spanningen en niet te vergeten de aankoopvoorwaarden van de media.

“Een MMM is een strategisch hulpmiddel”, aldus Christophe Robyns. “Het biedt een macro-overzicht en zorgt voor een totaalbeeld achteraf om marketingacties te optimaliseren, met name mediabestedingen, kanaal per kanaal.”

MMM biedt niet alleen deze correlaties, maar is ook een dynamische tool die marketingteams kunnen raadplegen, zodat ze hypotheses over bepaalde bestedingen kunnen testen voordat ze die ook daadwerkelijk doen.

Parameters

Het opzetten van een dergelijk project vereist een mediabudget, data-expertise en minstens drie jaar wekelijkse data, d.w.z. een database van 156 datapunten.

Wat het mediabudget betreft, zal MMM relevant zijn voor adverteerders met een investeringsvolume van ongeveer 2 tot 3 miljoen euro per jaar. Dat heeft alles te maken met de potentiële productiviteitswinst die via MMM kan worden bereikt: die moet significant genoeg zijn om op zijn minst de kosten voor het uitvoeren van de studie te dekken.

Het tweede element betreft data-expertise, waarbij een aantal algoritmen, processen voor machine learning en het structureren van gegevens. Dit is waar specialisten zoals Agilytic en Flying Fish om de hoek komen kijken, omdat zij over de nodige vaardigheden en ervaring beschikken, ervaring die niet altijd beschikbaar is bij adverteerders of mediabureaus.

Tot slot is er de cruciale parameter van de beschikbaarheid en kwaliteit van gegevens. Om de haalbaarheid van een project te bepalen, is dit het belangrijkste punt.

In het hart van de reactor

Klantgegevens zijn er meestal wel, maar mediagegevens zijn vaak verspreid over de verschillende bureaus van het bedrijf en de eigen teams.

“Het probleem wordt nog complexer als de adverteerder van bureau veranderd is en er niet aan gedacht heeft zijn data te recupereren of te back-uppen”, aldus Christophe Hendrick die opmerkt dat het verdwijnen van third-party cookies en de ontwikkeling van first-party data een nieuwe golf van gegevens genereren.

De andere valkuil is de versnippering van data over verschillende afdelingen binnen het bedrijf, met mediadata bij het marketingteam, salesdata op de verkoopafdeling en klantgegevens op de klantendienst. Dat vraagt dus een unieke samenwerking tussen afdelingen die niet altijd gewend zijn om samen te werken.

Data: onbekend en onbenut activum

Het duo is het eens over het belang van het concept dat data een asset is voor bedrijven. “Dit concept van assets bestaat nog niet in bedrijven”, benadrukt Christophe Hendrick. “Ze zijn zich niet altijd, of toch nog niet, bewust van de waarde van deze assets en dus van het belang om er aandacht aan te besteden om ze te verrijken en te benutten.” Zijn partner voegt eraan toe dat er binnen bedrijven nog veel vragen zijn over data: over hoe ze te verzamelen, hoe ze te gebruiken en de impact die ze kunnen hebben. “De systemen zijn er soms en verzamelen veel gegevens, maar die worden niet altijd benut bij gebrek aan datastrategie.” Dit is een veel voorkomende situatie bij kmo’s, in tegenstelling tot grote bedrijven die ondertussen wel grotendeels overtuigd zijn van het nut van data management.

Het gevolg is dat de identificatie, vergaring en verwerking van databronnen bijna 60% van de tijd in beslag neemt die nodig is om een MMM op te zetten, wat aanzienlijk is. Dat geldt des te meer omdat sommige gegevens gestructureerd en toegankelijk zijn via API’s en andere te vinden zijn in Excel spreadsheets, presentatieslides of zelfs e-mails.

Iteratieve benadering

Door alle beperkingen en parameters te combineren, vergt de operationele implementatie van een MMM in het algemeen enkele maanden werk om de modellen te ontwikkelen en de teams te trainen in de ingevoerde scenario’s. “Het is een iteratief proces dat in nauwe samenwerking met de teams van de klant uitgevoerd wordt”, aldus Christophe Robyns. “Bedoeling is dat zij het model kunnen gebruiken en intern kunnen ontwikkelen.”

Als het model er eenmaal is, bestaat de volgende stap in de actualisering om de effectiviteit van de wijzigingen in de bestedingen te controleren. Omdat de impact van deze veranderingen niet op korte termijn kan worden gemeten, worden updates drie tot zes maanden na de oorspronkelijke implementatie uitgevoerd. En ook al is het theoretisch mogelijk om deze updates te automatiseren - er zijn tools op de markt - “de grens ligt ook hier weer bij de beschikbaarheid en toegankelijkheid van de gegevens, met name voor offline media”, aldus Christophe Hendrick.

Tussen technologie en ambacht

De paradox voor de ontwikkeling van een MMM is dat het, hoewel grotendeels gebaseerd op technologie, een artisanaal project blijft dat veel menselijke tussenkomst vereist. De moeilijkheid om data te verzamelen betekent dat er aannames moeten worden gedaan, en zelfs als generatieve AI zeer effectief kan blijken bij de ontwikkeling ervan, blijft de gecombineerde expertise van de klant en de dienstverleners van fundamenteel belang.

Aldus de conclusie op basis van de ervaring van onze twee experts die nog preciseren dat de aangekondigde verdwijning van third-party cookies tot een zekere stress begint te leiden bij adverteerders en mediabureaus, die zich steeds meer op dit type analyse richten.

Daily	Freemium access
5 x week	MM e - News
1 x week	MM Brunch
1 x week	MM Tech
10 x year	MM Best of Research
10 x year	MM Blue
4 x year	MM Magazine (digital)

Christophe Robyns (Agilytic) en Christophe Hendrick (Flying Fish): data in de kern van Marketing Mix Modeling

Archief / TECH

Caroline Van Cleemput leidt Snowflake Benelux

StoryChief stelt zijn virtuele assistent voor

Waarom is fingerprinting opnieuw populair en waarom wekt het gebruik ervan vragen?

Bye bye DALL-E, hello 4o Image Generation

Rossel rust Gocar.be uit met AI-assistent op WhatsApp

Heineken komt met Social Screen om verbinding tussen voetbalfans te bevorderen