为未来营销组合建模铺平道路的三大趋势

在过去的三年里，我们一直在建立模型，帮助公司和客户了解媒体、广告以及其他类型的新型投资的投资回报率。.

我们已经开发了多个模型，尝试了简单的回归和复杂的贝叶斯网络。对我们来说，这是一个非常激动人心的时刻。.

在相当大的全球范围内，我们发现客户有三大趋势。.

在 Artefact，我们通过内部化的方法来解决这个问题，这对于一家咨询公司来说似乎有悖常理，但它与我们协助客户在其组织内建立这种能力的方式不谋而合。.

我们的很多客户都希望将 MMM 内部化，但他们需要帮助才能迈出第一步。我们的解决方案是与业务团队合作，找出真正的学习议程：客户想从他们的营销或销售活动中学到什么？这是第一步。作为第二步，我们开发了自己的模型即服务（model-as-a-service），我们将把它放在不同的平台上，提供给我们的客户。.

我们的技术团队与客户携手合作，实施我们的 IP，使他们的团队跟上时代的步伐。通常情况下，我们会让客户自己继续他们的 MM 之旅，但如果他们需要额外支持，我们当然会提供，这就是我们的理念。.

客户需要的能力主要有两类：第一类是实用性的：利用可用的 data 快速获得结果并快速迭代。第二种是第一种的延伸，涉及创新的人工智能解决方案，我们拥有贝叶斯网络，也可以与 GenAI 结合，提高团队效率。.

为了快速实现第一个投资回报率，我们开发了一种与客户合作的方式，在一开始就实施第一种实用方法，这样我们就能让团队快速获得洞察力，然后我们继续迭代，在这里，内嵌式服务真的很有帮助，因为这样我们就能快速访问所有的技术堆栈；我们能快速访问 data，我们可以在模型更新、结果更新和业务实施之间快速建立联系。.

这样，我们的客户可以快速获得成果，他们仍然拥有自己的内部能力，而我们则有时间能力、人员配备和预算来实施我们现在可以利用 GenAI 实现的伟大创新。.

我们努力节省时间，找出最佳模式，因为我们已经尝试过很多次，或多或少知道哪些方法有效，所以在常规项目时间表内，将战略与运营联系起来，我们需要时间与人们交谈，我们需要将全球学习议程与本地学习议程统一起来，并采取这样或那样的方法。剩下的时间，我们会与企业一起，确保我们的 MMM 所提供的结果与客户所做的其他研究相一致，无论是 AB 测试还是其他 MMM，我们都会将其联系起来，并将所有的见解汇集在一起，这更像是一种分析和咨询角色，而不是找来一群 data 科学家，从头开始构建人工智能。.

我给大家举一个把公司的业务部门和战略部门以及决策部门联系起来的例子。.

我们有一个客户--抱歉，没有名字！- 这位客户在他们的测量之旅中走得很远。他们在全球和地方层面上进行了大量研究、AB 测试和营销组合模型。该组织的另一个人邀请 Artefact 进行一项范围略有不同的研究。当我们到达时，我们发现过去在几乎相同或相邻的范围内做过很多研究，我们发现重复使用所有这些洞察力有很大价值，因为其中一些洞察力非常具有战略意义，描绘了公司的发展道路，而另一项洞察力则非常具有操作性，来自 AB 测试，尝试了很多不同的创新。我们真的很想把这些见解结合在一起，向企业展示一个前所未有的整体画面。.

由于我们的模型和 MMM 方法基于贝叶斯方法，可以从客户的业务背景中学习，因此我们取得了成功，我们模型的第一个增值点是 “这里是这个的投资回报率，这里是那个的投资回报率”，但第二个增值点是利用人工智能真正统一了从运营到战略的整个业务价值链。.

没错，但有时也会遇到挑战，因为有不同的团队在进行测量和 AB 测试，并将其引入业务中。我们能够创建一个每个人都能共享的故事，这确实有助于加快业务发展，而不必处理这里或那里的小矛盾。当你对过去几年收集到的所有洞察力有一个整体的认识时，就能真正解决运营沟通的问题。.

我可以告诉你一件事：营销组合建模将继续存在。企业希望看到自己行动的结果。企业正在采取大量举措，重组其 data 湖和 data 的内部消费方式。企业对 data governance 非常重视。我认为，未来的关键在于效率：营销组合建模必须变得更快、更严谨、更易于向业务利益相关者解释，也更便于业务分析师使用。GenAI 非常重要，因为它可以让客户查询 MMM 结果并自行构建 reports，而不一定需要很多技术技能，所以营销组合建模肯定不会消失：它将继续存在并不断发展，变得更高效、更易于访问。.