The Bridge - Data Coffee
Artefact的数据科学总监兼营销测量全球负责人亚历山德拉·塞梅年科（Aleksandra Semenenko）近日与Artefact研究中心负责人埃马纽埃尔·马勒贝（Emmanuel Malherbe）进行了深入交流，共同探讨了该公司正在开发的MMM模型以及当前客户领域中涌现的新趋势。
营销组合模型（MMM）是一个颇具时效性的话题。最近Artefact 在 MMM 领域Artefact 哪些Artefact ？
在过去三年里，我们一直在构建模型，旨在帮助企业及我们的客户了解其媒体、广告以及其他各类促进新投资增长的举措所带来的投资回报率。
我们开发了多种模型，尝试了从简单的回归分析到复杂的贝叶斯网络等各种方法。这对我们来说是一个非常令人振奋的时期。
最近，您在客户身上观察到了哪些不同的趋势？
从全球范围来看，我们发现客户主要呈现出三大趋势。
第一个趋势是将MMM内部化到企业中，Artefact 如何Artefact 企业实现这一点？
Artefact，我们通过“内化”的方法来解决这一问题。对于一家咨询公司而言，这种方法看似有悖常理，但它恰恰符合我们协助客户在其组织内部建立这一能力的方式。
许多客户都希望将MMM内部化，但他们需要帮助来迈出这一步。我们的解决方案是与业务团队合作，共同厘清真正的学习目标：客户希望了解其营销或销售活动的哪些方面？这将是第一步。作为第二步，我们开发了自己的“模型即服务”（Model-as-a-Service）方案，计划将其部署在不同平台上，供客户使用。
我们的技术团队与客户紧密合作，协助其实施我们的知识产权方案，并帮助其团队快速上手。通常情况下，我们会让客户独立继续他们的市场营销之旅，但如果他们需要额外支持，我们当然会提供帮助——这正是我们的理念。
第二个趋势是，客户希望更快地获得结果和洞察。Artefact 如何Artefact 实现这些目标？
客户主要希望获得两类能力：第一类是务实的，即利用现有数据快速获得结果并迅速迭代；第二类则是第一类的延伸，涉及我们现有的贝叶斯网络创新型人工智能解决方案，或是我们可以结合生成式人工智能（GenAI）来提升团队效率的方案。
为了快速实现这一初步投资回报，我们与客户建立了一种合作模式：在项目初期先实施一个务实的方案，让团队能够立即获得这些快速洞察，随后我们持续迭代。在此过程中，内部化部署发挥了重要作用，因为这样我们就能快速访问整个技术栈； 能够快速获取数据，并能迅速建立模型更新、结果更新与业务落地之间的联动。
这样一来，我们的客户既能快速获得成果，又能保留自身的内部能力；而我们则拥有充足的时间、人力和预算，可以利用生成式人工智能（GenAI）实现那些目前已可实现的卓越创新。
Artefact的端到端方法是如何运作的？
我们尽量节省在确定最佳模型上的时间，因为我们已经尝试过很多次，大致知道哪些方法有效。因此，在常规项目时间表内，为了将战略与运营相结合，我们需要时间与相关人员沟通，需要将全球学习议程与本地学习议程进行协调，无论采取何种方式。 剩下的时间，我们会与业务部门紧密协作，确保我们的市场营销模型（MMM）所呈现的结果能与客户此前开展的其他研究（无论是A/B测试还是其他市场营销模型）保持一致。我们实际要建立这种关联并整合所有洞察，这更多是发挥分析与咨询的作用，而非单纯引入大批数据科学家并从零开始构建人工智能。
能否举一个具体例子，说明MMM对组织产生的影响？人工智能在其中发挥什么作用？
我来举个例子，说明公司内部如何将运营部门与战略部门以及决策过程联系起来。
我们曾有一位客户——抱歉，不便透露姓名！——该客户在数据衡量方面已走得很远。他们在全球和本地层面开展了大量研究、A/B测试以及营销组合模型分析。 后来，该组织内的另一位负责人Artefact 范围略有不同的研究。当我们抵达时，发现过去在几乎相同或相邻的范围内已经进行了大量研究。我们认为重复利用这些洞察具有极高价值，因为其中一些洞察极具战略意义，为公司指明了发展方向；而另一些则源于A/B测试，侧重于实践，尝试了诸多创新举措。 我们非常希望将这些洞察整合起来，向业务部门呈现一个前所未有的全局视图。
正因为我们的模型和MMM方法基于贝叶斯方法，能够从客户的业务背景中进行学习，我们才取得了成功。该模型的首要价值在于“这个的投资回报率是多少，那个的投资回报率又是多少”，而其第二大价值则真正实现了利用人工智能将整个业务价值链——从运营到战略——统一起来。
那么，通过您的模式，您不仅整合了业务洞察，还凝聚了团队和员工吗？
确实如此，但有时也会遇到挑战，因为负责数据分析、A/B测试以及将成果应用到业务中的往往是不同的团队。我们成功构建了一个全员认同的叙事框架，这极大地推动了业务发展，同时避免了因各处细微的不一致而带来的困扰。当你对过去几年收集的所有洞察拥有一个整体视角时，运营沟通的问题便迎刃而解。
关于营销组合建模的未来，您还有什么最后的看法吗？
我可以告诉你一点：营销组合建模（MMM）将长期存在。企业希望看到自身行动带来的成效。企业正在开展大量举措，重组其数据湖以及内部的数据使用方式。各组织正高度关注数据治理。 我认为未来的关键在于效率：营销组合模型必须变得更快、更严谨、更易于向业务相关方解释，同时也应让业务分析师更轻松地使用。而生成式人工智能（GenAI）之所以重要，是因为它能让客户无需具备深厚的技术技能，即可自行查询MMM结果并生成报告。因此，营销组合模型绝不会消失：它将持续存在并不断演进，变得更加高效且更易于使用。
