Autor
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 haben wir drei Methoden: Attribution, inkrementelle Tests und MMM. Allerdings sind diese Methoden derzeit mit Einschränkungen verbunden, 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 technischen Plattformen 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 Potential Outcomes Framework. Diese Methoden wurden von Unternehmen wie Amazon Science und Microsoft Research entwickelt und als Open Source zur Verfügung gestellt.
Und im Bereich der MMMs 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 Open Source ist und der wissenschaftlichen Gemeinschaft von data zur Verfügung steht, um darauf aufzubauen.
Wie gehen diese fortschrittlichen Methoden also mit den Herausforderungen um, mit denen traditionelle Modelle konfrontiert sind?
Die aktuellen Methoden bieten ein nuancierteres Verständnis der Marketingaktivitäten im Rahmen des MMM. Sie gehen jedoch nicht auf die Granularität ein, die Marketingexperten benötigen, um schnelle und gezielte Maßnahmen zu ergreifen, 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 Verschiebung hin zum Verständnis des “Warum” hinter data zu geben. Können Sie uns mehr darüber sagen?
Seit 2021 hat es eine kausale KI-Revolution gegeben. Unternehmen, angeführt von Microsoft Research und Amazon Science, legen nun den Schwerpunkt auf das Verständnis des “Warum” hinter data und gehen damit über den traditionellen Fokus auf das “Was” hinaus. 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 entscheidend. Was raten Sie Unternehmen, um Experimente und Innovationen zu schaffen und zu inspirieren?
Die Synergie zwischen Marketing- und data-Teams ist entscheidend. Können Sie näher erläutern, wie diese Teams effektiv zusammenarbeiten können, um Innovationen voranzutreiben?
Marketing- und data-Teams sind ein ideales Paar. Marketingfachleute, die den Wunsch haben, kreative Grenzen zu überschreiten, finden in data-Teams, die Herausforderungen gerne lösen, einen Partner. Um eine innovative Kultur zu fördern, ist es wichtig, sich von institutionalisierten Ansätzen zu lösen. Wenn data-Wissenschaftler dazu ermutigt werden, Probleme zu lösen, die sich aus der Überschreitung kreativer Grenzen ergeben, bleibt das Unternehmen agil und relevant.
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 gar Tausende von Experimenten durchführt. Das ist eine große Veränderung, denn noch vor zwei Jahren gab es keine Messverfahren. 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 dafür sorgt, dass Unternehmen in einer sich ständig weiterentwickelnden Geschäftslandschaft agil und relevant bleiben.
