Marketing miks-modellashtirish (MMM): kanallar hissasini baholash
Chuqur3 daqInnovialabs tahririyati
Qisqacha
MMM — uzoq davr davomidagi kanallar bo‘yicha haftalik xarajatlar va sotuvlar asosida har bir kanal sotuvning qancha qismini berganini baholaydigan statistik model; u reklamaning kechikkan ta’siri, to‘yinish va tashqi omillarni hisobga oladi.
MMM oddiy so‘zlar bilan
Marketing Mix Modeling (MMM) — sotuvlarni omillar to‘plami orqali tushuntiradigan regressiya modeli: har bir reklama kanaliga xarajat, mavsumiylik, narxlar, aksiyalar, bayramlar, raqobatchilar faoliyati. Model alohida foydalanuvchilarga emas, vaqt bo‘yicha umumlashgan ma’lumotlarga qaraydi — masalan, haftalar bo‘yicha.
Modeldan quyidagilar olinadi:
- har bir kanalning sotuvdagi hissasi;
- kanallar bo‘yicha ROI yoki ROAS, jumladan oflayn (TV, tashqi reklama, radio);
- javob egri chiziqlari — byudjet oshganda natija qanday o‘zgarishi;
- byudjetni qayta taqsimlash bo‘yicha tavsiyalar.
MMM ning asosiy afzalligi: unga cookie, kliklar va foydalanuvchi identifikatorlari kerak emas. Shuning uchun usul maxfiylik cheklovlariga chidamli va foydalanuvchi yo‘lini kuzatib bo‘lmaydigan kanallar uchun ham mos.
Ikki asosiy effekt: adstock va to‘yinish
Adstock (ta’sirning ko‘chishi). Reklama faqat ko‘rsatilgan kuni ishlamaydi: ba’zi odamlar bir hafta yoki bir oydan keyin xarid qiladi. Adstock buni vaqt o‘tishi bilan so‘nadigan «qoldiq» ta’sir sifatida modellashtiradi. Eng oddiy varianti — geometrik so‘nish:
adstock[t] = spend[t] + decay * adstock[t-1]
decay parametri (0 dan 1 gacha) ta’sir qancha davom etishini ko‘rsatadi. Media reklamada u odatda qidiruv reklamasidan kattaroq bo‘ladi, ammo model uni ma’lumotlar asosida baholaydi.
To‘yinish (diminishing returns). Kanaldagi har bir keyingi so‘m oldingisidan kamroq natija beradi: auditoriya cheklangan, chastota oshadi. Bu S-shaklidagi yoki qavariq egri chiziq bilan tasvirlanadi (masalan, Hill funksiyasi). Aynan to‘yinish modelga «bu kanalga byudjet qo‘shish endi foydasiz, unisiga esa hali mumkin» deyish imkonini beradi.
Ochiq vositalar
| Vosita | Ishlab chiquvchi | Yondashuv | Til |
|---|---|---|---|
| Meridian | Bayes modeli, geo-darajani va apriori ma’lumotlar orqali kalibrovkani qo‘llab-quvvatlaydi | Python | |
| Robyn | Meta | Giperparametrlarni avtomatik tanlaydigan regulyarizatsiyalangan regressiya | R (Python versiyasi ham bor) |
| PyMC-Marketing | PyMC hamjamiyati | PyMC asosidagi Bayes MMM, moslashuvchan sozlash | Python |
Uchalasi ham bepul, lekin statistika bo‘yicha tajribali analitik talab qiladi. Tayyor «tugma» yo‘q: sifat ma’lumotlarni tayyorlash va natijalarni tekshirishga bog‘liq.
Qanday ma’lumotlar kerak
- Maqsadli metrika haftalar bo‘yicha: sotuvlar, tushum, arizalar yoki yangi mijozlar.
- Kanallar bo‘yicha xarajatlar xuddi shu haftalar uchun, imkon bo‘lsa oflayn uchun ko‘rsatishlar yoki GRP.
- Nazorat o‘zgaruvchilari: narxlar, chegirmalar va aksiyalar, mavsumiylik va bayramlar, tovar mavjudligi, yirik tashqi hodisalar.
- Yetarli tarix — odatda bir necha yillik haftalik ma’lumotlar, toki model mavsumiylik va turli byudjet darajalarini ko‘ra olsin.
- Xarajatlarning o‘zgaruvchanligi. Agar kanaldagi byudjet doim bir xil bo‘lsa, model uning ta’sirini fondan ajrata olmaydi.
Bir-ikki kanalli va qisqa tarixli kichik bizneslar uchun MMM ko‘pincha ishonchli xulosa bermaydi — bunday holda eksperimentlar foydaliroq.
MMM atributsiyani qanday to‘ldiradi
| Atributsiya | MMM | |
|---|---|---|
| Ma’lumot darajasi | Foydalanuvchi, klik, sessiya | Vaqt bo‘yicha agregatlar |
| Oflayn kanallar | Deyarli ko‘rmaydi | Hisobga oladi |
| Tezlik | Har kuni | Oyda yoki chorakda bir marta |
| Cookie ga bog‘liqlik | Yuqori | Yo‘q |
| Tafsilot darajasi | Kampaniyalar, e’lonlar | Kanallar va yirik guruhlar |
Amalda ular birga ishlatiladi: atributsiya — kampaniyalarni kundalik optimallashtirish uchun, MMM — byudjetni strategik taqsimlash uchun, inkremental eksperimentlar (geo-testlar, lift-testlar) — modelni kalibrovka qilish va xulosalarini tekshirish uchun.
Ko‘p uchraydigan xatolar
- Ma’lumot kam yoki o‘zgaruvchanlik yo‘q — model beqaror baholar beradi.
- Muhim omillar tushib qolgan — aksiya yoki mavsumiylik ta’siri reklamaga yozib qo‘yiladi.
- Natijaga ko‘r-ko‘rona ishonish — eksperiment va sog‘lom fikr bilan tekshirmasdan.
- Bir marta qurilgan model. Bozor o‘zgaradi, modelni yangilab turish kerak.