Programvare for marketing mix modeling for nettbutikker
Media Marketing Mix (MMM) er en bayesiansk marketing mix-modell som AmICited tilpasser for deg med Googles åpne kildekode-motor Meridian. Du velger et utfall og kanalene dine i appen, og modellen estimerer hva hver kanal bidro med, hvor de neste 1 000 i budsjett gir mest, og om betalt søk endrer den organiske trafikken din. Ingen kode og intet data science-team for å sette det opp.
Merkevarer som følger hvordan AI-svar nevner dem — samplet daglig på hver flate der kjøperne deres spør.
Les kundecasene →Media mix modeling på dine egne data
Modellen arbeider på ukenivå. Du velger ett utfall og deretter kanalene som skal forklare det: utgifter og visninger importert fra de tilkoblede annonsekontoene dine, egendefinerte markedsføringskostnader for kanaler uten integrasjon, og kampanjegrupper som deler én plattform inn i flere kanaler.
- Utfall — butikkinntekt, butikkordrer, GA4-kjøpsinntekt, GA4-kjøp eller en hvilken som helst GA4-konverteringshendelse, enten som antall eller med verdi per konvertering, slik at modellen kan rapportere avkastning på utgifter.
- Fem annonseintegrasjoner — Google Ads, Microsoft Advertising, Meta Ads, LinkedIn Ads og ChatGPT Ads, koblet gjennom de samme integrasjonene for annonseplattformer som resten av AmICited bruker.
- Kampanjegrupper — del for eksempel merkevare- og ikke-merkevarekampanjer i Google Ads etter ID-er eller en navneregel. En gruppe trenger minst 8 uker med visninger, og appen foreslår grupper for kampanjer med 5 % eller mer av en plattforms utgifter.
- Opptil 256 kanaler — men færre og større kanaler gir modellen mer signal per estimat.
Bidrag, ROI og responskurver
For hver kanal rapporterer modellen estimert bidrag til utfallet med et 90 % troverdighetsintervall, og ROI som inntekt per brukte enhet. Responskurver viser hvordan utfallet forventes å endre seg når utgiftene går fra null til tre ganger dagens nivå, slik at du ser hvor avkastningen flater ut.
- Hvor de neste 1 000 gir mest — en dom per kanal (øke, redusere eller uklart) basert på marginalavkastningen ved dagens utgifter.
- Beste fordeling av dagens budsjett — samme totalsum, omfordelt mellom kanalene for høyest modellert utfall.
- Scenarioer — sett hver kanal til et sted mellom 0× og 3× av utgiftene sine, og sammenlign den modellerte endringen med 90 %-intervallet. Et scenario er ikke en inntektsprognose, og det endrer aldri budsjetter i annonseplattformene dine.
- Diagnostikk du kan kontrollere — konvergens (R-hat, effektiv utvalgsstørrelse, divergenser), ny tilpasning for å teste følsomhet for priors, automatisk ukentlig ny tilpasning og lagrede versjoner du kan sammenligne.
Betalt til organisk: løfter eller kannibaliserer PPC?
Modellen for betalt til organisk stiller et spørsmål som de fleste attribusjonsverktøy hopper over: øker eller reduserer utgiftene dine til betalt søk den organiske søketrafikken? Sett utfallet til organiske GA4-økter, organiske klikk fra Search Console eller organiske klikk fra Bing Webmaster Tools, så estimerer modellen organisk trafikk med og uten PPC over tid.
- PPC-effekt over tid — en modellert grunnlinje uten PPC ved siden av den observerte serien.
- Bidrag med fortegn — betalt søk kan legge til organiske klikk, ta fra dem eller vise ingen tydelig effekt.
- Kostnad per inkrementelt organisk klikk — vises bare der effekten er positiv og identifisert, aldri tvunget frem.
- Fungerer sammen med gaprapporter — søkeord du betaler for uten noen organisk side i det hele tatt, listes i Paid-Proven Gaps.
Hvor mye historikk marketing mix modeling trenger
En standardmodell trenger 164 fullstendige uker: 156 uker med utfall pluss en 8 ukers overføringsforsinkelse. Med mindre data trener en modus for begrenset historikk på 24 eller flere fullstendige uker, men den kan ikke pålitelig lære årlig sesongvariasjon, støtter seg mer på forhåndsforutsetningene sine og merker anbefalingene som kun veiledende. Google Ads beholder omtrent 13 måneders historikk, så de fleste nye kontoer starter i modus for begrenset historikk med mindre eldre utgifter legges inn som egendefinerte kostnader.
- Beredskapssjekk først — fullstendige uker, valuta, kildedekning, oppbevaring og kanalvariasjon kontrolleres før all opplæring; kanaler som brukte penger i for få uker utelates.
- Inntekt, ikke fortjeneste — ROI er inntekt per brukte enhet. For marginbevisst avkastning, se Meta Profit-true ROAS.
- Estimater, ikke bevis — en modell skiller kanaleffekter fra observasjonsdata; en løftetest er fortsatt det sterkeste beviset for én enkelt kanal.
- Abonnement og kostnad — tilgjengelig på abonnementene Premium og Enterprise. En tilbakevendende modellpakkeavgift starter når du bekrefter den første opplæringskjøringen, og beredskapssjekker og opplæring bruker målte datavarehuskreditter.
fullstendige uker for en standardmodell, eller 24 for å starte i modus for begrenset historikk
Plattformrapporterte konverteringer forteller hva hvert annonsenettverk påstår. Modellen estimerer hva hver kanal bidro med når de andre er tatt hensyn til.
Se Meta Attribution Reality