王尘宇

本章节的学习重点：

了解与营销组合模型(MMM)相关的一些重要考量因素和局限性。

营销组合模型的普遍局限性

一、需要高质量的数据

1.较长的历史数据统计时间窗：通常需要2-3年的数据才能构建模型。统计时间窗越长越有用，因为数据的数量和数据中的变化会随着时间而增加。

2.干净、精细化的数据：模型的好坏取决于您提供的数据，这些数据应该尽可能地干净和精细化。不良的数据只会带来不准确的结果。

3.需要数据中存在足够的变化：营销组合模型需要数据中存在变化才能衡量影响。

4.仅使用少数不相关的变量：如果模型中存在多个不同变量彼此相关，就会出现多重共线性，这是您应该避免的情况。当许多因素同时发生时，要想单独衡量其中一个因素的影响将变得非常困难。

例如，如果我们在每个圣诞节都投放相同的广告，那我们如何区分季节性变量的影响与媒体变量的影响？

二、仅能衡量重大影响

营销组合模型旨在衡量不同变量对业务成效（例如：销售成效）的影响。为了使模型运转良好，这种影响应该是比较重大的。换言之，您应该期望所纳入的变量对业务成效产生了很大的影响。若非如此，模型将很难有把握地衡量不同变量的影响。

三、无法提供精细化数据

若要了解各个因素的贡献以及衡量渠道X的表现是否优于渠道Y，营销组合模型是绝佳的选择。但是，它无法针对特定营销活动提供更精细化的分析数据。例如，营销组合模型不适合用来了解哪个广告版位的成效最出色。

四、需要协作

营销组合模型的构建是建模团队与计量经济学模型相互作用的结果。这是一个迭代过程，在此期间，建模者需要不断调整输入变量，以此改进模型。在构建营销组合模型时，建模者是否能做出明智决策至关重要。建模者必须了解业务的运作方式。客户与建模者之间的协作对是否能取得成功影响重大。

五、无益于渠道内优化

在提供分析数据帮助您跨渠道分配预算方面，营销组合模型是一个非常实用的工具，但是，它无法帮助您优化特定渠道内的预算分配。由于这种局限性，营销组合模型往往只会优化媒体购买花费，而不会考虑是否充分利用了各个媒体渠道。我们继续以Patty Stack为例。假设营销组合模型显示，去年Patty Stack在Facebook广告上的投资并没有取得点击付费广告那么大的影响力。因此，该模型建议来年加大对点击付费广告的投资，减少对Facebook广告的投资。但是该模型并不知道，您本来可以为 Facebook广告使用更优质的创意素材，并且可以更好地定义受众定位参数。如果您优化了这些变量，Facebook广告可能会产生比点击付费广告更大的影响力。

六、无法预测未来

营销组合模型以历史数据为基础。基于历史数据的模型虽然很有用，但它们在预估未来结果时无法做到100%准确。营销组合模型会尽量模拟实际情况，在这个过程中，模型会尽可能得出接近历史数据的结果。但变量并非一成不变。历史数据能够无缝应用于未来的假设并不总是正确的。

七、需要很长时间才能构建完成

构建营销组合模型是一个漫长的过程，可能需要长达6个月的时间才能完成。这是因为，整个过程涉及到很多工作，包括： 

1.确定范围和完成前期准备工作

2.收集数据

3.建模

4.解读结果

5.创建未来的应用场景

有鉴于此，公司一般只会每季度、每半年或每年构建或更新一次模型，而这可能不足以捕获一些重要的变化。

八、不适用于发生重大变化的情况

如果您的业务或执行方面发生重大变化，营销组合模型的结果可能会失去意义。

九、存在您可能忽略的误差

客户和建模服务提供方往往只关注模型的结果，而不考虑潜在误差。

例如：

1.模型可能显示CPA为$100美元，但没有在统计学上限定这个值，这样一来，结果可能是$20美元到$180美元之间的任何值。

2.虽然同时构建多个具有统计学意义的模型并不少见，但它们得出的媒体渠道贡献可能会大相径庭。您可能会发现，除了营销组合模型之外，您还需要开展其他实验来解答特定的问题。之后，您可以利用这些实验作为模型的参考点或校准点。

将Facebook纳入营销组合模型所面临的挑战

在构建营销组合模型时，建模者会尽可能地纳入最准确的数据，这些数据来自在建模期间可能影响销售成效的营销活动。与任何一种建模方法一样，营销组合模型要求必须根据现有的数据设定明确的假设，这对于现代媒体而言可能十分棘手。电视、广播和纸媒等传统渠道由于已经存在很长的时间，发展得相对成熟，能够为分析师提供稳定的历史数据。但是，像Facebook这样的数字渠道往往更加复杂且发展迅速，导致分析难度加大。Facebook平台上的广告极具多样性，内容可以是静态的，也可以是动态的，格式则涵盖从文本到视频等多种类型，且广告可根据非常具体的标准面向宽泛的用户投放。下面是分析师在构建营销组合模型时应该考虑的一些事项。

1.将Facebook用作模型中的独立变量，并拆分数据以应对广告目标的变化

创建Facebook广告时，您可以选择广告目标。Facebook会根据您选定的目标来优化广告和竞拍设置，力求助您实现目标。根据目标的不同，广告带来的成效可能会大相径庭。如果建模者整合了不同目标广告的数据，得到的分析结果将毫无意义。

2.使用最精细化的数据构建最可靠的模型

建议尽可能精细化地建模，通常每周构建一次区域模型。

3.尝试使用基于更短时间范围的模型，以便适应快速变化的数字营销领域

由于Facebook不断为广告主推出新功能，因此使用较长时间范围内的混合数据构建的模型预测能力较差。

4.为Facebook旗下不同平台创建单独的变量

如果某个广告系列中，大多数广告使用了来自不同平台的版位，则建议创建单独的变量。对于特定的品牌，Instagram广告的表现可能与Facebook广告有所不同。建模者应该认识到数据中的这种差异，以便得出更精细化的建议。

5.使用付费展示次数以便纳入Facebook平台上的活动

在前瞻性模拟中，付费展示次数比自然展示、赞和分享次数更容易预测。

6.考虑使用Facebook官方营销组合模型信息库

Facebook创建了一个官方营销组合模型信息库，让您可以从Facebook营销活动中提取精细度最佳的数据。此外，借助它，您还可以在更短的时间内展开分析。

知识测验

假设您在一家连锁餐厅的市场部工作。您的经理要求您每月提供关于各个媒体渠道如何影响销量的更新数据。您最好如何回答？

1.我可以根据我们每月的媒体购买花费估算各个媒体渠道的投资回报。每6个月，我会更新一次不同渠道对销量的实际影响。

2.我会每月构建营销组合模型，这样就可以在报告中提供相关数据。

在将Facebook营销活动纳入营销组合模型时，下列哪一项考量因素很重要？

1.关注Facebook上的付费展示次数，而非自然操作

2.所有这些考量因素都很重要 

3.将Facebook和Instagram视为不同的渠道