Autor

Siddarth Mohan

Diretor Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling at Artefact

The Bridge - Data Coffee

Emmanuel Malherbe, diretor da Research Center na Artefact, reuniu-se recentemente com Sid Mohan, diretor da Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling na Artefact, para falar sobre medição de marketing.

Há muitos elementos em movimento no campo da medição de marketing. Você poderia destacar quais inovações impulsionarão a medição de marketing no futuro?

Em nossa estrutura de medição, temos três metodologias: atribuição, teste incremental e MMM. No entanto, esses métodos enfrentam atualmente restrições que impedem a colaboração contínua.

O modelo de atribuição, por exemplo, precisa incluir a incorporação de restrições relacionadas à linha de base, um fator essencial para entender o impacto geral das atividades de marketing.

Ao mesmo tempo, os testes incrementais costumam ser rigidamente controlados pelas principais plataformas de tecnologia. Eles geralmente exigem um gasto significativo de mídia para a execução e muitas vezes são limitados apenas à mídia digital paga. Isso exige técnicas avançadas, como a inferência causal bayesiana e a estrutura de resultados potenciais; metodologias que foram pioneiras e de código aberto por entidades como Amazon Science e Microsoft Research.

E na área de MMMs, há oportunidades sólidas para aproveitar os mais recentes avanços em modelos causais, mais uma vez graças ao trabalho pioneiro da Amazon Science, cuja inovação revolucionária é, de fato, de código aberto e está disponível para a comunidade científica data .

Então, como essas metodologias avançadas abordam os desafios enfrentados pelos modelos tradicionais?

As metodologias atuais oferecem uma compreensão mais detalhada das atividades de marketing dentro da estrutura do MMM. No entanto, elas resistem a entrar na granularidade necessária para que os profissionais de marketing tomem ações rápidas e direcionadas, alinhadas com as necessidades comerciais específicas. Para resolver esse problema, está havendo um aumento no desenvolvimento de modelos bayesianos hierárquicos e, mais importante, de modelos causais estruturados, que permitem uma perspectiva mais granular e uma execução mais frequente dos MMMs.

Passando para o tópico de causalidade, parece haver uma mudança no sentido de entender o "porquê" por trás de data. Você pode nos contar mais sobre isso?

Desde 2021, tem havido uma revolução causal AI . As empresas, lideradas pela Microsoft Research e pela Amazon Science, agora estão enfatizando a compreensão do "porquê" por trás data, transcendendo o foco tradicional no "o quê". As soluções de código aberto em modelos causais estruturados permitem que as empresas estimem o impacto de um único evento dentro do contexto mais amplo de eventos simultâneos e confusos.

Promover uma cultura de inovação em uma empresa é fundamental. Como você aconselha as empresas a criar e inspirar a experimentação e a inovação?

  • Tenha a coragem de começar a fazer as perguntas que importam. Desenvolva sua agenda de aprendizado para identificar as perguntas para as quais as metodologias de medição atuais são incapazes de fornecer respostas.

  • Colabore com as equipes de ciência do data para definir e levantar hipóteses sobre os benefícios esperados e os acréscimos de valor obtidos com a resposta a essas perguntas críticas. Por exemplo, é mais vantajoso ter um insight sobre quais formatos criativos oferecem os melhores retornos ou quais regiões geográficas devem ser o foco de minhas campanhas de funil inferior?

  • Teste novas metodologias em um ambiente controlado e compare os resultados gerais com as soluções existentes para garantir a lógica comercial. Por exemplo, se você tem um MMM mais granular baseado em modelos causais, os resultados permanecem alinhados com um MMM clássico em nível de canal que já está em uso ou os resultados são completamente contraditórios?

  • Fique confortável com o fracasso. O ritmo dos desenvolvimentos em torno da Medição de Marketing está se acelerando, assim como no restante do espaço AI . Nem toda nova abordagem ou modelo vai gerar valor. Mas isso não deve desencorajá-lo a se manter atualizado com as tendências da comunidade AI e sempre criar espaço para experimentação e testes.

  • Instilar uma mentalidade de inovação nas equipes de marketing e data . O maior obstáculo à criação de uma cultura de inovação e experimentação é a institucionalização das coisas. Quando a frase "sempre foi assim que fizemos" é mencionada, significa que você está estagnado. Observe algumas das principais empresas, como Booking.com, Uber ou Spotify, que estão sempre em sintonia com o que seus clientes querem; isso se deve ao fato de atualizarem continuamente suas ofertas e serviços. Elas medem constantemente, o mais próximo possível da realidade esperada, e não importa o quanto seja difícil, determinadas campanhas ou esforços de marketing. Imagine, por exemplo, tentar medir a verdadeira incrementalidade da Unwrapped 2023 do Spotify, uma das campanhas de marketing mais populares deste ano.

A sinergia entre as equipes de marketing e data é crucial. Você poderia explicar como essas equipes podem trabalhar juntas de forma eficaz para impulsionar a inovação?

As equipes de marketing e data são um par ideal, pois os profissionais de marketing, motivados pelo desejo de ultrapassar os limites criativos, encontram um par nas equipes data que prosperam na solução de desafios. Romper com as abordagens institucionalizadas é fundamental para promover uma cultura inovadora. Incentivar os cientistas da data a resolver problemas que surgem ao ultrapassar os limites criativos garante que a empresa permaneça ágil e relevante.

Você pode compartilhar um exemplo em que uma empresa adotou com sucesso essa cultura de inovação?

Na Holanda, estamos trabalhando com uma empresa de comércio eletrônico on-line que realiza centenas, se não milhares, de experimentos anualmente, uma grande mudança em relação à ausência de práticas de medição há apenas dois anos. Essa cultura robusta de inovação e experimentação os diferenciou, melhorando a eficiência do marketing e o ROI em impressionantes 20%.

Em resumo, a sinergia entre práticas avançadas de medição, foco na causalidade e uma cultura de inovação e experimentação está remodelando o cenário da análise de marketing e garantindo que as empresas permaneçam ágeis e relevantes em um cenário de negócios em constante evolução.

Visite thebridge.artefact.com, a plataforma de mídia que democratiza o conhecimento data & AI , em vídeos e podcasts.