Auteur
The Bridge - Data Koffie
Emmanuel Malherbe, hoofd van Research Center bij Artefact, had onlangs een ontmoeting met Sid Mohan, directeur Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling bij Artefact, om te praten over marketingmeting.
Er zijn veel bewegende elementen op het gebied van marketingmeting. Kunt u aangeven welke innovaties marketingmeting in de toekomst zullen stimuleren?
In ons meetkader hebben we drie methodes: attributie, incrementeel testen en MMM. Deze methoden hebben momenteel echter te maken met beperkingen die een naadloze samenwerking verhinderen.
Het attributiemodel moet bijvoorbeeld rekening houden met beperkingen met betrekking tot de baseline, een kritieke factor voor het begrijpen van de totale impact van marketingactiviteiten.
Tegelijkertijd worden incrementele tests vaak streng gecontroleerd door grote technologieplatforms. Ze vereisen vaak aanzienlijke mediabestedingen voor de uitvoering en zijn vaak beperkt tot betaalde digitale media alleen. Hiervoor zijn geavanceerde technieken nodig, zoals Bayesiaanse causale gevolgtrekkingen en het potentiële uitkomsten raamwerk; methodologieën die zijn ontwikkeld en open-sourced door entiteiten zoals Amazon Science en Microsoft Research.
En op het gebied van MMM's zijn er goede mogelijkheden om gebruik te maken van de nieuwste ontwikkelingen in causale modellen, opnieuw dankzij het baanbrekende werk van Amazon Science, wiens baanbrekende innovatie inderdaad open source is en beschikbaar voor de data wetenschappelijke gemeenschap om op voort te bouwen.
Dus hoe pakken deze geavanceerde methodologieën de uitdagingen van de traditionele modellen aan?
De huidige methodologieën bieden een meer genuanceerd begrip van marketingactiviteiten binnen het MMM-kader. Ze bieden echter niet de granulariteit die marketeers nodig hebben om snelle en gerichte acties te ondernemen die afgestemd zijn op specifieke bedrijfsbehoeften. Om hier iets aan te doen, is er een opleving in de ontwikkeling van hiërarchische Bayesiaanse modellen en, nog belangrijker, gestructureerde causale modellen, die een meer granulair perspectief en een frequentere uitvoering van MMM's mogelijk maken.
Nu we het over causaliteit hebben, lijkt er een verschuiving te zijn naar het begrijpen van het “waarom” achter data. Kunt u ons hier meer over vertellen?
Sinds 2021 heeft er een causale AI-revolutie plaatsgevonden. Bedrijven, geleid door Microsoft Research en Amazon Science, leggen nu de nadruk op het begrijpen van het “waarom” achter data en overstijgen de traditionele focus op het “wat”. Open source oplossingen in gestructureerde causale modellen stellen bedrijven in staat om de impact van een enkele gebeurtenis in te schatten binnen de bredere context van gelijktijdige en verstorende gebeurtenissen.
Het bevorderen van een innovatiecultuur binnen een bedrijf is cruciaal. Hoe adviseert u bedrijven om experimenten en innovatie te creëren en te inspireren?
De synergie tussen marketing- en data-teams is cruciaal. Kunt u toelichten hoe deze teams effectief kunnen samenwerken om innovatie te stimuleren?
Marketing- en data-teams vormen een ideale combinatie, waarbij marketeers die gedreven worden door een verlangen om creatieve grenzen te verleggen, een match vinden in data-teams die gedijen bij het oplossen van uitdagingen. Loskomen van geïnstitutionaliseerde benaderingen is cruciaal voor het bevorderen van een innovatieve cultuur. Het aanmoedigen van data wetenschappers om problemen op te lossen die ontstaan door creatieve grenzen te verleggen, zorgt ervoor dat het bedrijf wendbaar en relevant blijft.
Kunt u een voorbeeld geven van een bedrijf dat deze innovatiecultuur met succes heeft omarmd?
In Nederland werken we samen met een online e-commercespeler die honderden, zo niet duizenden experimenten per jaar uitvoert, een grote verschuiving ten opzichte van twee jaar geleden, toen ze nog geen meetpraktijken hadden. Deze robuuste cultuur van innovatie en experimenten heeft hen onderscheiden en hun marketingefficiëntie en ROI met maar liefst 20% verbeterd.
Kortom, de synergie tussen geavanceerde meetpraktijken, een focus op causaliteit en een cultuur van innovatie en experimenteren geeft het landschap van marketinganalyse een nieuwe vorm en zorgt ervoor dat bedrijven wendbaar en relevant blijven in een steeds veranderend bedrijfslandschap.
