经济增速放缓的时候该如何提高营销效率？

原创： MarTechApe MarTechCareer

在过去的几十年中，营销组合建模（Marketing Mix Modeling，以下简称MMM）已经成为营销数据分析必不可少的工具之一，帮助许多企业在营销决策上带来了很多价值。如宝洁、可口可乐、欧莱雅、大众汽车等企业之所以离不开它，是因为它在帮助这些公司优化各类营销媒介渠道的预算分配方面起到了巨大的作用，包括数字渠道如Google搜索、Facebook社交广告、YouTube视频广告等，传统渠道如电视广告，印刷广告，广播广告等。

MMM是一个用来量化不同营销活动对销售、品牌、市场份额等重要指标究竟产生了多少影响的技术。使用MMM的目的就在于了解每个营销活动或渠道投入了多少费用，分别对重要指标贡献了多少，以此进一步帮助公司优化未来每个不同的营销渠道所需要投入的预算。

（上图为营销组合模型中非常重要的一些影响因素）

同时，MMM通过比较投资回报率（ROI）来衡量不同营销投入的有效性，换句话说，如果一个营销投入有较高的ROI，那么相对于较低ROI的营销投入来说，它就是一个更有效的渠道。

下图显示的是一个MMM解决方案的仪表板，该仪表板针对一家保险公司，比较了其在不同渠道上当前和最佳的营销支出情况。图片左侧的图表比较的是当前和最佳支出方案在不同渠道上的支出分布，右侧图表则是根据当前和最佳支出方案所显示出的重要指标，比如总预算、每位潜在客户成本（Cost Per Leads，CPL）和潜在客户数量。该解决方案建议了每个渠道的最佳支出，同时也考虑到了整体预算，保证整体预算与之前一致，即所有渠道的总支出保持不变。通过观察你可以发现，仅仅通过优化每个渠道上的支出分配就可以实现关键指标（图中是潜在客户数量）的极大提升。

下图显示了MMM的另一种应用情形，通过改变不同渠道的支出来对关键指标的结果进行一个模拟。例如，通过增加5%的Facebook支出，减少5%在程序化广告上的支出，并增加付费搜索渠道15%的支出，会对总预算、潜在客户数量起到怎样的量化影响，并以此算出每位潜在客户的成本是增加了还是降低了，从而对营销渠道的投入和可能带来的影响做出预判。

那么营销组合模型究竟是如何实现上述作用的呢？这背后有几个重要的概念你必须先理解。

1.多元回归模型（multi-variate regression model）

Marketing Mix Modeling是建立在多元回归模型的基础上。模型因变量可以是销量、品牌熟悉度（brand familiarity）、品牌意识（brand awareness）、市场份额等等。自变量可以是分发、价格、电视广告、户外广告、纸媒广告、数字广告、促销等等。现在，数字广告被广泛用来提高品牌意识（brand awareness），所以数字广告活动、网站访问量也渐渐成为MMM的常用自变量。

因变量和自变量的关系可以用一个等式来表达。这个等式可以是线性的或非线性的，这取决于因变量和多种自变量之间的关系。大多广告变量（比如电视广告），就会和销售之间有着非线性的关系。也就是说，提高电视广告曝光未必能提高销量。在本文的第二部分我们会具体讲一下原因。

等式里还有个重要的元素就是Beta，也就是各个变量前面的系数，它代表着：当其他变量保持恒定时，每当模型中的自变量上升一个单位，销量就会上升Beta个单位（这里涉及统计基础概念，如果你不知道这里在说什么，没关系，在我们的《营销组合建模训练营》中，WPP的营销分析经理会为你系统搭建统计基础）。

2.自变量的线性和非线性影响

某些自变量和销量的关系是线性的。也就是说，当我们增加这些变量的活动，销量也会跟着上升。但是很多营销活动和销量的关系并不是线性的。比如，增加TV GRP（代表增加电视广告的投放）只会把销量增高到某一个高度，可是一旦到达了饱和，每一个额外的GRP对销量的影响就会递减。

TV GRP是非线性变量的原因很简单，你只要想象一下，一个电视广告只会某个程度地提高消费者对它的意识（awareness）。曝光到某个程度后，品牌意识在消费者中就会停止增长，就算反复曝光，也已经没有额外效果了。

所以，对于这些非线性关系的自变量，我们必须要对它们做一些变量变形，才能把他们加入模型。这个变形的过程，我们称为Adstock（代表广告长期效果和短期效果的一个累积计量）。

TV Adstock有两个组成成分：

a. 收益递减：电视广告曝光可以一定程度地提高用户脑中的awareness，但是这个效果是随着时间的流失减少的。每增长一定的GRP，他对销售或者awareness的影响就会减少。所以，由电视GRP驱动的销量就会开始递减，并且最终接近一个常量。这个效果可以从下面这个图里看出，电视GRP和销量的关系不是线性的，而是指数的或者用log函数表达的。

b.衰变效应：过去的广告对现在的销量的影响被称为是Carry over effect。上一个月的电视GRP的一部分影响（也就是公式中的lambda，延迟因子，表示广告延迟效果百分比）留到了这个月。所以广告的影响是随着时间衰变的。

3. 基本销量（Base Sales）和增量销量（Incremental Sales）

在Marketing Mix Modeling中，销量一共由两个成分组成：

a. 基本销量（Base Sales）：基本销量就是，即使你不做任何广告，你也能获得的销量。为什么不做广告也能有销量呢？这其实是你品牌的作用。比如，宝洁在长时间的品牌积累下，即使不做广告，你依然会买它的产品。基本销量通常是个定量，除非经济和环境因素有较大改变。

b. 增量销量（Incremental Sales）：增量销量就是营销活动（比如电视广告、印刷广告、数字广告、促销等）所产生的销量。总的增量销量会划分成各个渠道带来的销量，并计算每个渠道在总增量销量中的占比。

4. 销量贡献图

销量贡献图是最简单的一种把销量归因到各个营销活动上的方式。每一个营销渠道的销量贡献就是beta（系数）和自变量在模型中的输入值的乘积。

比如：报纸的销量贡献=β* 报纸的流通量

为了计算销量贡献的占比，我们还会计算每一个营销活动带来的销量在总销量中的比重。

5. 深度分析

MMM结果可以用来进一步做一些深度分析。比如，可以通过评估每一个营销活动的有效性来理解哪个活动或者创意更好。可以用来分析创意的流派、语言、渠道等等。深度分析的洞察可以用来服务预算优化。表现不好的渠道的预算会被转移到表现好的渠道上，这样才能提高整体的销量/品牌/市场份额。

6. 预算优化

对任何业务来说，预算优化是媒介规划中最重要的决策环节，这也是前文就着重提出的营销组合模型最重要的作用。MMM帮助营销人优化未来的花费、最大化其投入的有效性和回报率。用MMM的方法，我们可以知道哪个媒介渠道比另外一些强。预算分配就是把低ROI营销渠道的钱转移到高ROI的营销渠道上，这样一来，我们就可以在预算不变的情况下，最大化我们的销量。

案例简析

了解了MMM背后相关的知识点，接下来如何去搭建这样一个模型呢？需要做哪些准备以及结果会是怎样的呢？下面就继续通过前文一家保险公司的数据类型为例进行介绍。

这家保险公司想了解每个渠道在转化（促使潜在消费者购买产品或成为销售线索）中的贡献，并最终优化每个渠道的营销支出。在我们的例子中，目标变量是“潜在顾客数”。该模型是使用汇总后的每日数据以及过去两年以来的各项数据进行准备的。

下表显示了我们用于创建MMM模型的多个数据源：

这些数据源会被用于创建成一个大的分析数据集，即建模数据。

以下就是根据数据集所建立的MMM模型的结果以及模型相关的统计信息：

（模型结果）

（模型表现）

（那究竟该如何整合这些来自不同渠道、不同类型的营销数据呢？模型的数据结构应该是什么样的？以及如何在此数据结构基础上建立出模型并验证其有效性呢？想学习这些具体过程的话，强烈建议你来报名由全球最大广告集团WPP数据总监和营销分析经理开设的《营销组合建模训练营》）

需要注意的是，模型从来不是一次就能建好的。仅当模型中的变量能够合理解释商业意义并且模型的统计表现良好（在训练数据集和测试数据集上均表现良好）时，才能确定这是一个有效的模型。

在完成建模这一关键步骤之后，下一步就是查看不同渠道和基本因素（经济、品牌效应、环境）对销售额的贡献百分比，即前文所提到的增量销量和基本销量各为多少。一旦完成此步骤，下一步就是在保持总预算恒定不变的情况下，对不同营销渠道的支出进行优化。

一个有效的MMM模型最终都能为企业的关键指标，比如销售额起到一个可观的提升作用（在市场营销中，“提升”尤其指代的是由于促销或广告而引起的销售增长）。

可以看到，正是通过营销组合模型这一强大的分析方法为企业带来了更多营销渠道表现上的洞察，并产生了实际的价值，因此也受到了越来越多不同行业内企业决策者的重视（对于营销组合模型的建立，不论是Agency还是Inhouse，流程都是一样的），毕竟没有一家公司会愿意让营销上投入的钱白白打水漂还不知道原因何在。

如果你想要学习Marketing Mix Modeling这一非常重要的数据分析技能在公司中从头到尾的所有环节，就来报名MarTechApe的宝藏级项目《营销组合建模训练营》Marketing Mix Modeling Bootcamp吧！现在第七期已开始招生，希望通过这样一个项目，让你能在年末跨入一条求职与职业晋升的超车道，加速斩获理想企业的Offer！

营销组合模型训练营是什么？

营销组合模型训练营（Marketing Mix Modeling Bootcamp）是MarTechApe的宝藏项目，由全球最大广告集团 WPP美国办公室的数据总监以及营销分析经理共同授课。在训练营中，你将学习在真实商业情境中如何用营销组合模型解决广告营销最核心的问题——科学合理地评估不同广告对品牌和销售的影响，以统计模型的结果来科学优化广告预算。

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。

从2018年起，我们已举办了6期《营销组合建模训练营》，往期的学生们拿到了全美顶级的面试机会以及全职工作OFFER，组成了训练营的荣誉之墙：

Marketing Mix Modeling Bootcamp往期学员拿到的面试机会以及全职工作OFFER包括Google、Facebook、Twitter、LinkedIn、Uber、Wayfair、Accenture、Pepsi、Bloomberg、Square、Deloitte、Salesforce、AT&T、JP Morgan、Mediamath、Mediacom等互联网科技公司、咨询公司、广告传媒公司、金融机构。

学员对训练营评价如何？

Marketing Mix Modeling Bootcamp开办至今，收获了大量好评，学员们都觉得Bootcamp的质量非常高，在节课后给我们发来了很多让我们非常感动的评论：

训练营老师是谁？

1. 全球最大广告传媒集团WPP | 数据总监

商业分析高级专家
拥有7年数据分析经历
各类SQL、Tableau疑难杂症的go-to person

2. 全球最大广告代理公司GroupM | 营销分析经理

营销效果分析专家。为十多个每年广告预算上亿美元的大客户提供营销效果评估、销售预测等解决方案
拥有6年Marketing Mix Modeling等高阶分析经验，具有丰富的训练新人和带领团队的经验
毕业于Columbia University统计学系

我们的老规矩：小班教学，每一期Bootcamp只招收20名学生，先到先得！

在Bootcamp中可以学到哪些内容？

整个bootcamp分为广告数据源概况、数据处理与可视化、统计建模、深度诊断，共计24小时课时，在两个月内完成。
周末Online Live授课，课后完成老师布置的作业，助教团队在班级群随时答疑，直播录像永久回放。
课程内容涵盖了数据分析岗位的完整工作流程（analytics cycle）：

数据收集 Data Acquisition
数据处理和清洗 Data Processing
数据可视化与商业洞察 Data Visualization & Data Story-telling
统计建模 Modeling
模型优化 Optimization
销售预测 Simulation
深度诊断 Side Diagnostics
结果展示 Presentation

每位学员将有一套亲自做的Data成果作品和一套Model成果作品，以及一段完整的为客户解决实际问题的经历。
结课后，每位学员获得提升简历的Project Experience完美描述，所有学员获得内推机会！优秀学员获得额外一对一面试辅导。
报名的学员可在开课前一周获得详细的Syllabus。

1. Advertising Platform Overview

广告平台概述

了解美国主要的广告平台/第三方Vendor
了解主要的广告数据源、变量及其意义
了解现代广告机制以及各方角色
感受真实的数据收集过程

2. Data Process & Visualization

数据处理与可视化

搭建一个真实的数据库
用SQL对数据进行ETL (Extract - Transform - Load)
用Tableau来完成完整的Data Visualization
通过挖掘数据中的信息，总结商业洞察
Data Presentation：对数据产品进行展示，展示作品可作为项目经历成果

学员在前四周会聚焦在数据处理和商业洞察上。学员会面对大量的营销活动数据（如Display、Search、Social、Video、TV等广告数据），根据Media Data的数据源与结构来处理纷繁复杂的数据。并用可视化来呈现出数据洞察。你将学会如何搭建一个数据库、如何利用SQL去处理未经处理的、大型原始数据集，并利用Tableau对数据进行可视化分析。你还将完成对一份数据的商业分析。简而言之，我们将以Data Processing >> Data Visualization >> Insights Generation这样一套体系，系统加强你的数据分析能力以及商业意识。

3. Statistical Modeling

统计建模

建立Marketing Mix Modeling、调参、模型甄选
构造与模型结果相关的visualization，分析各营销渠道ROI，提取洞察和战略建议
建立Optimization，优化不同的营销渠道的预算安排，得出最优的营销组合

在真实的世界里，模型用来回答各类不同的商业问题，帮助决策者作出最优的决策。在本次bootcamp的第四～第八周中，你将建立一个真正的Marketing Mix Model！掌握模型最核心的秘诀，调整各类模型参数、学会解读模型结果、优化营销预算、精准预测销售走势。在这个过程中，学会将商业问题翻译成模型问题，用不同的分析手段来回答不同的营销问题，真正做到数据驱动战略决策。

4. Side Diagnostics

深度诊断

详细解析模型结果，为每一个渠道对销售的影响做深度诊断
在广告战役、广告创意（Creative）、投放策略（Tactics）等多个纬度上对媒介渠道的有效性进行拆解分析
掌握如何通过深度诊断来回答各类数据与模型向商业传达的信息与洞察
Final Presentation：对数据和模型变量、结果做一个完整的presentation，展示作品可作为项目经历成果，助力求职面试

在向你的观众解释Marketing Mix Modeling的模型结果时，Side Diagnostics（深度诊断）往往是一个让你的受众通过商业意义来理解模型结果的重要手段。模型的解释力以及与商业可行性的融合性是决定你的受众是否“买账”的关键因素。因此，本次第七期Marketing Mix Modeling专门加入深度诊断部分，教你如何用统计的方法说服你的受众！

上完Bootcamp，有哪些成果可以展示？

从变量可视化分析、模型解读、营销渠道分析，到战略洞察、PPT演示，学员的精致作业就是他们最好的训练营成果，这一份拿的出手的高品质项目，无论是LinkedIn还是面试展示，都会是脱颖而出的最佳帮手！

学员作品