Auteur
Auteur
Het is altijd een uitdaging geweest om de werkelijke impact van marketinginitiatieven te bepalen en omdat marketing erg zichtbaar is, lijkt iedereen er wel een mening over te hebben. Als professionele speler op marketinggebied zul je merken dat je je keuzes keer op keer uitlegt. Er zijn echter maar weinig meningen die worden ondersteund door data-gedreven inzichten, omdat het identificeren van de impact steeds complexer wordt. Wij geloven dat het antwoord ligt in causaliteitsmodellen. In dit artikel leggen we de relevantie en voordelen van dergelijke modellen uit.
" Uiteindelijk gaat het allemaal om snellere en betere beslissingen - gevoed door bruikbare inzichten. Causaliteitsmodellen maken dit mogelijk door de ontbrekende puzzelstukjes te leveren."
Terwijl bestaande multi-touch attributiemodellen afbreken en falen, wordt de digitale arena vol kansen en inzichten binnen handbereik een digitaal zwart gat. Toch groeit in deze wereld van voortdurende verstoringen en veranderingen de behoefte aan op feiten gebaseerde besluitvorming. Meer dan 70% van de CMO's en marketingleiders is bijvoorbeeld nog steeds van mening dat ze de ROI van marketingcontactpunten niet effectief kunnen kwantificeren om hun budgetbeslissingen te sturen. Daarom moeten we nieuwe metrics en modellen creëren om aan te sluiten bij onze behoefte aan en honger naar data gedreven besluitvorming. We moeten onze modellen dus nieuw leven inblazen en een nieuwe gemodelleerde toekomst binnenstappen.
De toekomst is causaliteitsmodellen
Waarom? Simpel gezegd kunt u met deze modellen het incrementele effect van uw marketingactiviteiten op KPI's zoals verkoop of merkverhoging uitleggen. Op een zeer granulair en actiegericht niveau. Interessant toch? Laten we het uitleggen en wat verder onderzoeken.
Causaliteit, van nature echt omnichannel, identificeert een gebeurtenis als het directe gevolg van een andere gebeurtenis; het biedt het 'wat' en 'waarom' voor uitkomsten van marketing- of verkoopactiviteiten. En kan zelfs rekening houden met de impact van onvoorziene gebeurtenissen zoals Covid en deze verklaren.
Op causaliteit gebaseerde benaderingen tonen aan dat A (verandering van het marketingbudget) B (stijging van de verkoop) heeft veroorzaakt. Het aandeel van de stijging kan direct worden toegeschreven aan elk kanaal. Dit is cruciaal voor het maken van betere budgetbeslissingen over de marketingmix. Op causaliteit gebaseerde benaderingen helpen marketeers om de invloed van de ene activiteit op de andere te begrijpen en hoe dit de prestaties beïnvloedt.
Een voorbeeld: Een op causaliteit gebaseerde aanpak zou kunnen bepalen dat 30% van de omzetstijging te danken is aan betaalde zoekuitgaven, terwijl 70% is toe te schrijven aan de 'koop 1 krijg 1 gratis' kortingsactie. Deze methode kan ook de relatie tussen de twee afzonderlijke activiteiten laten zien en hoe dit de verkoop beïnvloedt, waaruit blijkt welke optimalisaties het belangrijkst zijn.
Waar de klassieke MMM reports nooit bedoeld was voor bijna real-time inzichten, maken causaliteitsgebaseerde benaderingen dat wel mogelijk. Ze gebruiken real-time vraagsignalen om de directe impact te tonen die elke potentiële belangrijke business driver (media, prijs, vraagsignalen van merken, concurrentie, promoties) heeft op belangrijke bedrijfsresultaten (zowel online als offline).
Ze koppelen de beslissingen die bedrijven moeten nemen aan de inzichten die nodig zijn om die beslissingen te ondersteunen.
Tot slot zijn er nog een paar extra voordelen verbonden aan causaliteitsmodellen:
Dus waar moet je beginnen?
Het bouwen van je eigen model kan een hele opgave lijken. Gelukkig weet Artefact precies hoe we je hierbij kunnen helpen. We hebben met succes modellen geïmplementeerd en bedrijven geholpen bij de invoering ervan. En we hebben de cases om het te bewijzen.
Neem contact op via ons contactformulier of stuur ons een e-mail voor meer informatie over het model en hoe je het kunt implementeren.
PS: Bekijk hoe we al een aangepast Causality Measurement Model voor Reckitt hebben gebouwd.
