Programvara för marketing mix modeling inom e-handel
Media Marketing Mix (MMM) är en bayesiansk marketing mix-modell som AmICited anpassar åt dig med Googles öppna Meridian-motor. Du väljer ett utfall och dina kanaler i appen. Modellen uppskattar vad varje kanal har tillfört, var nästa 1 000 av budgeten gör mest nytta och om betald sökning påverkar din organiska trafik. Ingen kod och inget datavetenskapsteam behövs för att komma igång.
Varumärken som följer hur AI-svar nämner dem — samplade dagligen på varje yta där deras köpare frågar.
Läs kundcaserna →Media mix modeling på din egen data
Modellen arbetar på veckonivå. Du väljer ett utfall och sedan de kanaler som ska förklara det: utgifter och visningar som importeras från dina anslutna annonskonton, egna marknadsföringskostnader för kanaler utan integration och kampanjgrupper som delar upp en plattform i flera kanaler.
- Utfall — butiksintäkt, butiksordrar, GA4-köpintäkt, GA4-köp eller valfri GA4-konverteringshändelse, räknad eller med ett värde per konvertering så att modellen kan redovisa avkastning på utgifter.
- Fem annonsintegrationer — Google Ads, Microsoft Advertising, Meta Ads, LinkedIn Ads och ChatGPT Ads, kopplade via samma annonsplattformsintegrationer som resten av AmICited använder.
- Kampanjgrupper — dela upp till exempel varumärkes- och icke-varumärkeskampanjer i Google Ads efter ID eller en namnregel. En grupp kräver minst 8 veckor med visningar, och appen föreslår grupper för kampanjer med 5 % eller mer av en plattforms utgifter.
- Upp till 256 kanaler — men färre, större kanaler ger modellen mer signal per skattning.
Bidrag, ROI och responskurvor
För varje kanal redovisar modellen dess skattade bidrag till utfallet med ett 90 % trovärdighetsintervall, och dess ROI som intäkt per utgiven enhet. Responskurvor visar hur utfallet förväntas förändras när utgifterna går från noll till tre gånger dagens nivå, så att du ser var avkastningen planar ut.
- Var nästa 1 000 gör mest nytta — ett utlåtande per kanal om öka, minska eller oklart, baserat på marginalavkastningen vid nuvarande utgifter.
- Bästa fördelning av dagens budget — samma totalsumma, omfördelad mellan kanaler för det högsta modellerade utfallet.
- Scenarier — sätt varje kanal var som helst mellan 0× och 3× av dess utgifter och jämför den modellerade förändringen med dess 90 % intervall. Ett scenario är ingen intäktsprognos och ändrar aldrig budgetar i dina annonsplattformar.
- Diagnostik du kan kontrollera — konvergens (R-hat, effektiv stickprovsstorlek, divergenser), omanpassningar för priorkänslighet, en automatisk omanpassning varje vecka och sparade versioner att jämföra.
Betalt till organiskt: lyfter eller kannibaliserar PPC?
Modellen för betalt till organiskt ställer en fråga som de flesta attributionsverktyg hoppar över: höjer eller sänker dina utgifter för betald sökning din organiska söktrafik? Sätt utfallet till GA4 organiska sessioner, organiska klick från Search Console eller organiska klick från Bing Webmaster Tools, så uppskattar modellen den organiska trafiken med och utan PPC över tid.
- PPC-påverkan över tid — en modellerad baslinje utan PPC bredvid den observerade serien.
- Bidrag med tecken — betald sökning kan addera till organiska klick, ta från dem eller visa ingen tydlig effekt.
- Kostnad per inkrementellt organiskt klick — visas bara där effekten är positiv och identifierad, aldrig påtvingad.
- Fungerar tillsammans med gaprapporter — termer du betalar för utan någon organisk sida alls listas i Paid-Proven Gaps.
Hur mycket historik marketing mix modeling behöver
En standardmodell behöver 164 kompletta veckor: 156 veckor av utfall plus en fördröjning på 8 veckor för eftereffekter. Med mindre träning används ett läge med begränsad historik som tränar på 24 eller fler kompletta veckor, men det kan inte på ett tillförlitligt sätt lära sig årlig säsongsvariation, förlitar sig mer på sina antaganden i förväg och märker sina rekommendationer som endast vägledande. Google Ads sparar cirka 13 månaders historik, så de flesta nya konton startar i läget med begränsad historik om inte äldre utgifter läggs in som egna kostnader.
- Beredskapskontroll först — kompletta veckor, valuta, källtäckning, kvarhållning och kanalvariation kontrolleras före all träning. Kanaler som bara hade utgifter under för få veckor utesluts.
- Intäkt, inte vinst — ROI är intäkt per utgiven enhet. För marginalmedveten avkastning, se Meta Profit-true ROAS.
- Skattningar, inte bevis — en modell skiljer kanaleffekter åt utifrån observationsdata. Ett lyfttest är fortfarande det starkare beviset för en enskild kanal.
- Abonnemang och kostnad — finns i abonnemangen Premium och Enterprise. En återkommande avgift för modellpaketet börjar när du bekräftar den första träningskörningen, och beredskapskontroller och träning använder mätta lagerkrediter.
kompletta veckor för en standardmodell, eller 24 för att starta i läget med begränsad historik
Plattformsrapporterade konverteringar visar vad varje annonsnätverk hävdar. Modellen uppskattar vad varje kanal tillförde när de andra är medräknade.
Se Meta Attribution Reality