Autor

Siddarth Mohan

Director Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling bei Artefact

Die Brücke - Data Kaffee

Emmanuel Malherbe, Leiter von Research Center bei Artefact, traf sich kürzlich mit Sid Mohan, Director Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling bei Artefact, um über Marketingmessung zu sprechen.

Auf dem Gebiet der Marketing-Messung gibt es viele bewegende Elemente. Könnten Sie aufzeigen, welche Innovationen die Marketingmessung in Zukunft vorantreiben werden?

In unserem Messrahmen gibt es drei Methoden: Attribution, inkrementelle Tests und MMM. Diese Methoden unterliegen jedoch derzeit Beschränkungen, die eine nahtlose Zusammenarbeit verhindern.

Das Zurechnungsmodell muss zum Beispiel die Einschränkungen in Bezug auf die Basislinie berücksichtigen, ein entscheidender Faktor für das Verständnis der Gesamtwirkung von Marketingaktivitäten.

Gleichzeitig werden inkrementelle Tests von den großen Technologieplattformen oft streng kontrolliert. Sie erfordern oft erhebliche Medienausgaben für die Durchführung und sind oft auf bezahlte digitale Medien beschränkt. Dies erfordert fortschrittliche Techniken wie die Bayes'sche Kausalanalyse und das Rahmenwerk für potenzielle Ergebnisse; Methoden, die von Unternehmen wie Amazon Science und Microsoft Research entwickelt wurden und als Open Source zur Verfügung stehen.

Und im Bereich der MMM gibt es solide Möglichkeiten, die neuesten Fortschritte bei den Kausalmodellen zu nutzen, wiederum dank der Pionierarbeit von Amazon Science, dessen bahnbrechende Innovation in der Tat quelloffen ist und der wissenschaftlichen Gemeinschaft von data zur Verfügung steht, um darauf aufzubauen.

Wie gehen diese fortschrittlichen Methoden mit den Herausforderungen um, mit denen die traditionellen Modelle konfrontiert sind?

Die derzeitigen Methoden bieten ein differenzierteres Verständnis der Marketingaktivitäten im Rahmen des MMM. Sie gehen jedoch nicht bis zu der Granularität, die erforderlich ist, damit Vermarkter schnelle und gezielte Maßnahmen ergreifen können, die auf spezifische Geschäftsanforderungen ausgerichtet sind. Um dieses Problem zu lösen, werden zunehmend hierarchische Bayes'sche Modelle und vor allem strukturierte Kausalmodelle entwickelt, die eine detailliertere Perspektive und eine häufigere Durchführung von MMMs ermöglichen.

Zum Thema Kausalität: Es scheint eine Verlagerung hin zum Verständnis des "Warum" hinter data zu geben. Können Sie uns mehr dazu sagen?

Seit 2021 hat es eine kausale AI Revolution gegeben. Unternehmen, angeführt von Microsoft Research und Amazon Science, legen nun den Schwerpunkt auf das Verständnis des "Warum" hinter data und überschreiten damit den traditionellen Fokus auf das "Was". Open-Source-Lösungen für strukturierte Kausalmodelle ermöglichen es Unternehmen, die Auswirkungen eines einzelnen Ereignisses im breiteren Kontext gleichzeitiger und verwirrender Ereignisse abzuschätzen.

Die Förderung einer Innovationskultur innerhalb eines Unternehmens ist von entscheidender Bedeutung. Was raten Sie Unternehmen, um Experimentierfreude und Innovation zu wecken und zu fördern?

  • Haben Sie den Mut, die Fragen zu stellen, auf die es ankommt. Entwickeln Sie Ihre Lernagenda weiter, um die Fragen zu ermitteln, auf die die derzeitigen Messmethoden keine Antworten geben können.

  • Arbeiten Sie mit den Wissenschaftsteams von data zusammen, um den erwarteten Nutzen und Mehrwert zu definieren und Hypothesen aufzustellen, die sich aus der Beantwortung dieser kritischen Fragen ergeben. Ist es z. B. vorteilhafter, zu wissen, welche kreativen Formate die besten Ergebnisse liefern oder welche Regionen den Schwerpunkt meiner Kampagnen im unteren Trichter bilden sollten?

  • Testen Sie neue Methoden in einer kontrollierten Umgebung und vergleichen Sie die übergreifenden Ergebnisse mit bestehenden Lösungen, um die Geschäftslogik sicherzustellen. Wenn Sie beispielsweise ein granulareres MMM auf der Grundlage von Kausalmodellen einsetzen, stimmen die Ergebnisse dann mit einem klassischen MMM auf Kanalebene überein, das bereits im Einsatz ist, oder sind die Ergebnisse völlig widersprüchlich?

  • Seien Sie mit Misserfolgen einverstanden. Das Tempo der Entwicklungen im Bereich der Marketing-Messung beschleunigt sich ebenso wie im übrigen Bereich von AI . Nicht jeder neue Ansatz oder jedes neue Modell wird einen Nutzen bringen. Das sollte Sie jedoch nicht davon abhalten, sich über die Trends in der AI Community auf dem Laufenden zu halten und stets Raum für Experimente und Tests zu schaffen.

  • Verankern Sie eine Innovationsmentalität sowohl in den Marketing- als auch in den data Teams. Das größte Hindernis beim Aufbau einer Kultur der Innovation und des Experimentierens ist die Institutionalisierung von Dingen. Wenn der Satz "Das haben wir schon immer so gemacht" fällt, bedeutet das, dass Sie stagnieren. Schauen Sie sich einige der Top-Unternehmen wie Booking.com, Uber oder Spotify an, die ständig im Einklang mit den Wünschen ihrer Kunden stehen; das liegt daran, dass sie ihre Angebote und Dienstleistungen ständig aktualisieren. Sie messen ständig bestimmte Kampagnen oder Marketingmaßnahmen, und zwar so realitätsnah wie möglich, egal wie schwer es auch sein mag. Stellen Sie sich zum Beispiel vor, Sie würden versuchen, die tatsächliche Inkrementalität von Spotifys Unwrapped 2023 zu messen, einer der beliebtesten Marketingkampagnen dieses Jahres.

Die Synergie zwischen den Teams von Marketing und data ist entscheidend. Können Sie näher erläutern, wie diese Teams effektiv zusammenarbeiten können, um Innovationen voranzutreiben?

Marketing- und data -Teams sind ein ideales Gespann: Marketingfachleute, die den Wunsch haben, kreative Grenzen zu überschreiten, finden in data -Teams, die sich für die Lösung von Herausforderungen begeistern, einen Partner. Um eine innovative Kultur zu fördern, ist es wichtig, sich von institutionalisierten Ansätzen zu lösen. Die Ermutigung von data Wissenschaftlern, Probleme zu lösen, die sich aus der Überschreitung kreativer Grenzen ergeben, sorgt dafür, dass das Unternehmen agil und relevant bleibt.

Können Sie ein Beispiel nennen, in dem ein Unternehmen diese Innovationskultur erfolgreich umgesetzt hat?

In den Niederlanden arbeiten wir mit einem Online-E-Commerce-Unternehmen zusammen, das jährlich Hunderte, wenn nicht Tausende von Experimenten durchführt - ein großer Unterschied zu den Messverfahren, die es noch vor zwei Jahren gab. Diese robuste Kultur der Innovation und des Experimentierens hat das Unternehmen von anderen abgehoben und die Marketingeffizienz und den ROI um beeindruckende 20 % verbessert.

Zusammenfassend lässt sich sagen, dass die Synergie zwischen fortschrittlichen Messverfahren, einem Fokus auf Kausalität und einer Kultur der Innovation und des Experimentierens die Marketing-Analyse-Landschaft umgestaltet und sicherstellt, dass Unternehmen in einer sich ständig weiterentwickelnden Geschäftslandschaft agil und relevant bleiben.

Besuchen Sie thebridge.artefact.com, die Medienplattform, die data & AI Wissen in Videos und Podcasts demokratisiert.